مقايسه روش هاي خوشه بندي در تهيه نقشه پتانسيل معدني در بي‌هنجاري باريكا، آذربايجان غربي

Comparison of Clustering Methods in Mineral Potential Mapping of Barika Anomaly, West Azerbaijan

امروزه تلفيق داده هاي زمين مرجع با استفاده از فناوري سيستم اطلاعات جغرافيايي (GIS)، به صورت گسترده اي به‌كار گرفته مي شود. در اين روش ها، تلفيق لايه هاي اطلاعاتي با توجه به‌ كيفيت و كميت داده ها و به كارگيري روش هاي وزن دهي مناسب صورت مي گيرد. در پايان با استفاده از روش هاي تقسيم‌بندي مانند روش فواصل هندسي، نقشه پتانسيل معدني تهيه مي‌شود. روش هاي خوشه بندي كه استفاده از آنها در پردازش داده ها در حال افزايش است، با توجه به ميزان شباهت ميان داده اي، نمونه ها را ميان گروه هاي مشخص تقسيم مي كند. در اين پژوهش روش تهيه نقشه پتانسيل معدني با هدف اكتشاف طلا با استفاده از روش خوشه بندي ميانگين هاي -K و ميانگين هاي-K فازي بررسي مي شود. پس از آن نتايج اين روش ها با نقشه پتانسيل معدني كه در محيط GIS با استفاده از مدل تلفيق همپوشاني انديس ها براي منطقه باريكا در برگه 1:100000 آلوت در جنوب آذربايجان غربي تهيه شده، مقايسه مي شود. در منطقه باريكا به‌ دليل در دسترس نبودن نقاط حفاري در دسترس نمي توان تعداد كلاس ها و مرز هر كلاس براي تعيين امتيازات نقشه نهايي را با روش هاي متداول مشخص كرد، ولي در روش هاي خوشه بندي، تعيين آستانه براي تعداد كلاس مفروض به‌‌صورت خودكار و بر پايه ميزان شباهت داده ها به‎ خوبي انجام مي شود. افزون بر اين با استفاده از روش هاي خوشه بندي مي توان شمار كلاس بهينه براي نمايش امتياز هاي نقشه پتانسيل را نيز تعيين كرد كه در اين پژوهش انجام شده است. نتايج نشان مي دهد كه هر دو روش، خوشه بندي و همپوشاني انديس‌ها، پرپتانسيل ترين محدوده را تقريباً مشابه يكديگر به‌دست آورده اند با اين تفاوت كه روش خوشه بندي به اطلاعات كمتري نسبت به منطقه مورد بررسي نياز دارد در حالي كه در روش همپوشاني انديس ها، وزن‎دهي داده ها و تعيين آستانه براي تعيين مرز امتيازات پاياني به اطلاعات بيشتري نياز دارد.

Nowadays GIS techniques are used as a conventional tool for integrating geographic information datasets. In these methods, integration is done according to quality and quantity of datasets and using appropriate weighting approaches. Finally, with Classification methods like Geometric Distances, Mineral Potential Maps (MPM) is produced. By increasing application in data processing, clustering methods classify samples into groups by similarity between them. In this paper, K_ Means and Fuzzy K_ Means clustering methods are discussed for mapping potential zones of Gold mineralization, then the results are compared with GIS method, Index Overlaying, for the Barika area in 1:100,000 Alut Sheet in South of Azerbaijan. In the Barika area, information of drilling points aren’t available, so it’s not possible to determine number of classes and boundaries of each class for final score map, but in clustering methods, the optimum number of class for output map is done automatically and is tested for the Barika Anomaly data. The results show that clustering methods need no weighting and it’s possible to use it with low information than GIS_ based method. The results also show that both of approaches, clustering methods and Index overlaying, display almost an equal area for the most potential zone, however clustering methods need low information for analyzing, but in Index overlaying, it is needed to have more information for weighting and determining threshold for classification of final scores.