بخشی از مقاله
چکیده
در سالهای اخیر دورسنجی ابرطیفی به دلیل توانایی ارائه طیفهای پیوسته، نقش عمدهای را در شناخت بهتر سطح زمین ایفا کرده است. جداساز ی طیفی بخش جدایی ناپذیر پردازش دادهها ی ابرطیفی است. شناسایی اعضای انتهایی مهمترین مرحله از فرآیند جداسازی طیفی خطی است که بسیاری از روشهای موجود، فرض حضور پیکسلهای خالص در تصویر را مبنا قرار دادهاند. قدرت تفکیک مکانی داده های معمول ابرطیفی در حد چند ده متر است.
درنتیجه احتمال وجود پیکسلی که تماما از یک کانی خاص تشکیل یافته باشد بسیار پایین بوده و این امر سبب بروز مشکلاتی در روش هایی که بر اساس حضور پیکسل خالص بنا شده اند میگردد. بنابراین استفاده از روشهای غیر مبتنی بر فرض حضور پیکسل خالص در اولویت قرار دارد. ایراد اساسی دادههای هایپریون که به صورت گسترده و برای مناطق زیادی از سطح زمین قابل دسترس می باشند، سیگنال به نوفه پایین آنها در مقایسه با داده های هوابرد مانند AVIRIS و HyMap است.
بنابراین کاربرد روشهایی که حساسیت کمتری در برابر نوفه دارند در پردازش این دادهها کارایی بیشتری خواهد داشت. MVC-NMF روشی است که عملکرد بسیار مطلوبی در شرایط نوفه بالا دارا است. در این مطالعه این روش بر روی قسمتی از دادههای هایپریون غرب استان اردبیل اجرا گردید.
کلیدواژه: جداسازی طیفی، دادههای ابرطیفی، اعضای انتهایی، فرض عدم حضور پیکسلهای خالص، MVC-NMF
مقدمه
قدرت تفکیک طیفی بالای دادههای ابرطیفی باعث میشود که ساختارهای جذبی مواد در محدوده های طیفی مختلف آشکار شود که این امر نیز کمک به سزایی در شناسایی آنها ایفا می کند.سنجنده هایپریون اولین سنجنده ابرطیفی فضابرد است که بر روی سکوی ماهواره EO-1 قرار دارد. تصاویر هایپریون در 242 باند ظریف در طول موج های مابین 356 تا 2577 نانومتر و با توان تفکیک طیفی 10 نانومتر برداشت می شوند. از مجموع 242 باند تصویر برداری شده توسط سنجنده هایپریون تنها 198 باند کالیبره شده و قابل استفاده برای عملیات پردازشی هستند.
قدرت تفکیک مکانی سنجنده هایپریون 30 متر است و میزان پوشش سطحی یک تصویر هایپریون به صورت نوار باریکی با عرض 7/7 کیلومتر و طول 185 یا 42 کیلومتر می باشد که بسته به نوع سفارش محلی برداشت می شود . اندازه تقریبا بزرگ پیکسلهای دادههای ماهوارهای سبب میشود که در محدوده تحت پوشش هر پیکسل تعداد زیادی از مواد و کانیها حضور داشته باشند. بنابراین طیف استخراج شده برای هر پیکسل از این دادهها نیز متشکل از طیفهای خالص مربوط به مواد خالص تشکیل دهنده آن پیکسل میباشد.
به این مواد خالص در اصطلاح دورسنجی اعضای انتهایی گفته میشود و در کاربردهای اکتشافی هدف اصلی از پردازش دادههای ابرطیفی معمولا تعیین ترکیب دقیق تمامی پیکسلهای تصویر ماهوارهای است. به عبارت دیگر پیکسلهای مخلوط به مجموعهای از مواد خالص و نسبتهای فراوانی متناظرشان تجزیه میشوند. این فرآیند، جداسازی طیفی نام دارد و در مدل اختلاط خطی که پر کاربردترین مدل در مطالعات دورسنجی است، طیف پیکسل ام به صورت ترکیب خطی از اعضای انتهایی در نظر گرفته میشود که این مدل داده شده است نشانگر تعداد باندهای تصاویر ابرطیفی میباشد.
اولین و چالشبرانگیزترین مرحله در فرآیند جداسازی طیفی تشخیص و استخراج اعضای انتهایی میباشد که برای این منظور تخمین درستی از تعداد اعضای انتهایی ضروری است. یک تکنیک موفقیت آمیز در این زمینه، تعیین ابعاد درونی - VD2 - دادهها به روش HFC3 است . و دومین مرحله بدست آوردن میزان حضور اعضای انتهایی مختلف در تشکیل هر پیکسل میباشد. فرض اولیه بسیاری از روشهای استخراج اعضای انتهایی - از جمله اندیس خلوص پیکسلی ، آنالیز خطای تکرار شونده و آنالیز مولفه رأسی بر این اساس است که به ازای هر عضو انتهایی حداقل یک پیکسل خالص در تصویر موجود است.
این یک شرط بسیار مهم است که ممکن است در مجموعه دادهها موجود نباشد - مخصوصاً در مطالعات کانیشناسی - . چراکه با توجه به قدرت تفکیک مکانی دادههای ابرطیفی که معمولا در حدود چند ده متر است، احتمال وجود پیکسلهایی که کلا از یک نوع ماده خالص تشکیل شده باشند بسیار پایین است و به همین دلیل امکان استخراج نمودار طیفی یک کانی واحد یا ماده خالص از بین پیکسل-های دادهها وجود ندارد و با توجه به این مساله، به روشی نیاز است تا اعضا انتهایی را که لزوماً داخل تصویر نیستند، شناسایی کند. روشهایی وجود دادند که از لحاظ الگوریتمی نیازی به حضور پیکسل خالص در تصویر ندارند.
این روش ها نسبت به روشهای قبل جدیدتر میباشند و امروزه توجهات زیادی را در تحقیقات علمی مربوط به تشخیص اعضای انتهایی و پردازش دادههای ابرطیفی به سمت خود جلب کردهاند. NMF و MVC-NMF از جمله این روشها میباشند. تمرکز اصلی در این مطالعه بر روی شناسایی اعضای انتهایی می باشد و هدف این است که با تکیه بر روشهای جدید و با الگوریتمهای ریاضی و هندسی، نمودارهای طیفی اعضای انتهایی داده های هایپریون منطقه آق داغ تخمین زده شوند.
منطقهی مورد مطالعه در شمالغربی کشور قرار داشته، بخش بزرگتر آن در استان اردبیل و بخشی از آن نیز در استان آذربایجان شرقی واقع شده است. . این منطقه در یک ناحیه کوهستانی تا تپه ماهوری قرار گرفته است. یک تصویر اخذ شده از منطقه مورد مطالعه قابل مشاهده است که نشاندهنده آلتراسیون شدید در این منطقه است. به لحاظ زمین شناسی اقتصادی سه نوع دگرسانی عمده شامل دگرسانی های کائولینیتی، سیلیسی و آلونیتی کهبعضاً دارای علایم کانی سازی نیز می باشند، در منطقه حضور دارند. مطالعات قبلی در منطقه نشان دهنده کانی سازی ازنوع طلای اپی ترمال بوده که کانی سازی طلا در زونهای سیلیسی به ویژه بخشهایی که شدیدا هماتیتی و لیمونیتی شده اند، قرارگرفته است.
پیش پردازش دادهها
قسمتی از یک سین هایپریون واقع شده در قسمت غربی استان اردبیل جهت پردازش توسط روش انتخاب گردید. به خاطر حرکت وضعی زمین تصاویر ماهوارهای نسبت به شمال مایل بوده و دارای حاشیه هایی با ارزش پیکسلی صفر میباشند که این امر برای بعضی از الگوریتمها مشکل ساز می شود. به این دلیل تصویر برش داده شده به میزان 11 درجه در جهت خلاف عقربه های ساعت چرخش داده شد.
برای استخراج اطلاعات دقیق از تصاویر ماهوارهای نیاز به انجام یک سری عملیات موسوم به عملیات پیش پردازش جهت کاهش نوفه میباشد. عملیات پیشپردازش انجام گرفته شامل مراحل بررسی کیفی دادهها و حذف باندهای بد - با انجام این مرحله یک تصویر 158 باندی ایجاد گردید - ، تصحیح اتمسفری ، تصحیح توپوگرافی و حذف اثر انحنای طیفی - مختص دادههای هایپریون - میباشد. همه این مراحل با استفاده از الگوریتمهای مربوطه بر روی داده ها اعمال گردید.
