شناسایی گنبدهای نمکی منطقه راور، استانکرمان با استفاده از روش پلاریمتری راداری تصاویر Palsar و تحلیل تصاویر چندطیفی Sentinel 2 و Aster
الموضوعات :علی مهرابی 1 , صادق کریمی 2 , فاطمه نقدی 3
1 - استادیار گروه جغرافیا و برنامه ریزی شهری، دانشکده ادبیات و علوم انسانی، دانشگاه شهید باهنرکرمان، کرمان، ایران
2 - استادیار گروه جغرافیا و برنامه ریزی شهری، دانشکده ادبیات و علوم انسانی، دانشگاه شهید باهنرکرمان، کرمان، ایران
3 - دانشجوی کارشناسی ارشد مخاطرات محیطی، گروه جغرافیا و برنامه‌ریزی شهری، دانشکده ادبیات و علوم انسانی، دانشگاه شهید باهنرکرمان،
الکلمات المفتاحية: شهرستان راور کرمان, گنبد نمکی, پلاریمتری راداری, تصاویر استر, تصاویر سنتینل-2,
ملخص المقالة :
پیشینه و هدف گنبد های نمکی یکی از جالب ترین پدیده های ژئومورفیک است که علاوه بر جاذبه های گردشگری، دارای منابع معدنی مختلف بوده و می تواند در مواردی نقش یک عامل ذخیره کننده نفتی و تله نفتی عمل کند، شناسایی آن ها بسیار با اهمیت است. کشور ایران از نظر نهشته های تبخیری بسیار غنی است و همچنین فراوانی منحصر بفردی از گنبدهای نمکی رخنمون شده را نشان می دهد. بیشترین گنبد های نمک شناخته شده در جنوب زاگرس و ناحیه خلیج فارس پراکنده اند. ولی در مناطق دیگر ایران نیز گزارش شده اند، از جمله کویر بزرگ، گرمسار، قم و منطقه راور. تاکنون بر روی گنبد های نمکی منطقه راور مطالعه ویژه ای صورت نگرفته است. به طوری که تنها به وجود چندین گنبد در بخش شمال و شرق راور اشاره شده است، بدون اینکه حتی موقعیت آن ها بر روی نقشه ای مشخص شده باشد. بنابراین ضرورت مطالعه بیشتر این منطقه مشخص می شود. هدف اصلی این تحقیق، شناسایی گنبد های نمکی رخنمون یافته در محدوده شهرستان راور، استان کرمان با استفاده از روش های نوین سنجش از دور و استفاده از تصاویر راداری و چند طیفی است.مواد و روش هاروش های مختلفی برای پردازش تصاویر چند طیفی وجود دارد، که از مهمترین آن ها می توان به روش تحلیل مولفه های اصلی و ترکیب رنگی کاذب اشاره کرد که در ادامه به نحوه استفاده از این روش ها در پژوهش حاضر اشاره می شود. برای تهیه ترکیب رنگی کاذب از باند های حرارتی سنجنده Aster استفاده شد، به طوری که با قرار دادن باند های 12، 11 و 13 به ترتیب درکانال های قرمز، سبز و آبی، کانی های مذکور بارزسازی شدند. مطالعات انجام گرفته در زمینه استفاده از تکنیک تحلیل مولفه های اصلی برای تصاویر ماهواره ای سنتینل 2 در شناسایی شوری خاک و سنگ، نشان می دهد که ترکیب رنگی کاذب PC7، PC6 و PC2 به ترتیب در کانال های قرمز، سبز و آبی بدین منظور بسیار مناسب است، که در این پژوهش نیز به همبن صورت عمل شد.نتایج و بحث با انجام تصحیحات اتمسفری بر روی تصاویر چند طیفی سنتینل 2، تحلیل مولفه های اصلی بر روی آن صورت پذیرفت که در نتیجه آن، تصویر مربوطه به 12 مولفه تقسیم شد. با استفاده از سه مولفه اصلی 2، 6 و 7 اقدام به تهیه ترکیب رنگی کاذب گردید. نتایج نشان می دهد که واحد های سنگی مختلف با رنگ های متفاوتی بارزسازی شده اند. در این بین با توجه به مطالعات قبلی و با بررسی رنگ های مختلف و مقایسه و تطبیق آن با نقشه زمین شناسی منطقه مورد مطالعه، مشخص شد که رنگ صورتی روشن نشانگر واحد های نمک دار در منطقه مورد مطالعه می باشد که این موضوع با انجام مطالعات میدانی به اثبات رسید. قابل ذکر است که محدوده های صورتی رنگ علاوه بر تعیین گنبد های نمکی، نمک های ثانویه ناشی از هوازدگی و فرسایش این گنبد ها را نیز نشان می دهد. از آنجایی که ترکیب گنبد های نمکی رخنمون یافته در حوزه نمکی راور متفاوت هستند، به طوری که در یکسری از این گنبد ها کانی های نمکی و پلی هالیت غالب بوده و در بعضی دیگر کانی های سولفاته به مانند ژیپس و کانی های کربناته مانند انیدریت کانی غالب را تشکیل می دهند، بر حسب ویژگی ها و رفتار طیفی کانی های غالب هر گروه می توان از تصاویر مختلف ماهواره ای جهت بارزسازی آن ها استفاده کرد. بر این اساس از تصاویر Aster نیز استفاده شد، بنابراین با توجه به رفتار طیفی ویژه کانی های انیدریت و ژیپس در محدوده طیف حرارتی، می توان با قرار دادن باند های 12، 11 و 13 به ترتیب درکانال های قرمز، سبز و آبی، ترکیب رنگی ویژه ای جهت شناخت گنبد های نمکی ایجاد کرد. همانطور که در نتایج مشخص است گنبد های نمکی دارای کانی غالب ژیپس و انیدریت با رنگ سفید روشن مشخص شده اند. با انجام تکنیک پلاریمتری راداری و اعمال شاخص CPR تصاویر مربوطه تهیه شد. از آنجایی که قبلاً نیز اشاره شد رنج داده های مربوط به تصویر CPR ارتباط تنگاتنگی با نوع و رفتار طیفی سطوح مختلف دارد، به منظور تحلیل بهتر تصاویر رنج داده ها بین عدد صفر و 1 نرمال سازی شد. هر چه اعداد مذکور به عدد یک نزدیک تر شوند، زبری ناشی از فرسایش پذیری سطوح بیشتر خواهد بود. در نتیجه مناطقی که در تصویر به رنگ قرمز درآمده اند قاعدتاً بسیار فرسایش پذیر هستند.نتیجه گیری نتایج حاصل از این پژوهش نشان می دهد که با استفاده از روش پلاریمتری راداری می توان کانی های تبخیری و گنبد های نمکی را شناسایی کرد. در این تحقیق با اعمال شاخص CPR، گنبد های نمکی با رنگ قرمز بارزسازی شدند. علاوه بر آن با توجه به رفتار طیفی ویژه کانی های انیدریت و ژیپس در محدوده طیف حرارتی، با ترکیب رنگی باند های 12، 11 و 13 تصاویر ASTER گنبد های نمکی به رنگ روشن مشخص شدند. همچنین با استفاده از سه مؤلفه اصلی 2، 6 و 7 تهیه شده از تصاویر سنتینل 2، واحد های نمک دار موجود در منطقه مورد مطالعه مورد شناسایی قرار گرفتند. بر اساس نتایج به دست آمده تعداد 27 گنبد نمکی در محدوده مورد مطالعه شناسایی شد، که به مکانیزم و ساز و کار ساختاری معمول برای ایجاد گنبد های نمکی هم خوانی خوبی دارند، علاوه بر اینکه با انجام بازدید های میدانی صحت نتایج به اثبات رسید.
Abdolahi M, Qishlaqi A, Abasnejad A. 2015. Environmental hydro geochemistry of groundwater resources of the Ravar plain, Northern Kerman province, Iran. Journal of Environmental Studies, 41(1): 81-95. (In Persian)
Aghanabati S A. 2003. Geology of Iran. Geological Survey of Iran. 583p. (In Persian)
Alexakis D, Daliakopoulos I, Panagea I, Tsanis I. 2018. Assessing soil salinity using WorldView-2 multispectral images in Timpaki, Crete, Greece. Geocarto International, 33(4): 321-338. doi:https://doi.org/10.1080/10106049.2016.1250826.
Almodaresi SA, Hatami J, Sarkargar A. 2016. Calculating the physical properties of snow, using differential radar interferometry and TerraSAR-X and MODIS images, Journal of RS and GIS for Natural Resources, 7(2): 59-76. (In Persian)
Asfaw E, Suryabhagavan KV, Argaw M. 2016. Soil salinity modeling and mapping using remote sensing and GIS: The case of Wonji sugar cane irrigation farm, Ethiopia. Journal of the Saudi Society of Agricultural Sciences, 7(18): 213-228. https://doi.org/10.1016/j.jssas.2016.05.003.
Campbell B A. 2002. Radar remote sensing of planetary surfaces. Cambridge, UK: Cambridge University Press Location, 354p.
Choe B. 2017. Polarimetric synthetic aperture radar (SAR) application for geological mapping and resource exploration in the Canadian Arctic. London, Canada: University of Western Ontario. Available from: https://ir. lib.uwo.ca/etd/5133.
Collingwood A, Treitz P, Charbonneau F. 2014. Surface roughness estimation from RADARSAT-2 data in a High Arctic environment. International Journal of Applied Earth Observation and Geoinformation, 27: 70–80. https://doi.org/10.1016/j.jag.2013.08.010.
Dehaan R, Taylor G. 2003. Image-derived spectral endmembers as indicators of salinisation. International Journal of Remote Sensing, 24(4): 775-794. doi:https://doi.org/10.1080/01431160110107635.
Gorji T, Sertel E, Tanik A. 2017. Monitoring soil salinity via remote sensing technology under data scarce conditions: A case study from Turkey. Ecological Indicators, 74: 384–391. https://doi.org/10.1016/j.ecolind.2016.11.043.
Gupta RP. 2017. Remote sensing geology. Springer, 428 p.
Harrington E, Shaposhnikova M, Neish C, Tornabene L, Tornabene L, Osinski G, Choe B, Zanetti M. 2019. A Polarimetric SAR and Multispectral Remote Sensing Approach for Mapping Salt Diapirs: Axel Heiberg Island, NU, Canada, Canadian Journal of Remote Sensing, 45(1): 54-72, https://doi.org/10.1080/07038992.2019.1610656.
Jahani S, de Lamotte DF, Letouzey J. 2009. Salt Activity and Halokinesis in the Zagros Fold-thrust Belt and Persian Gulf (Iran). In: Shiraz 2009-1st EAGE International Petroleum Conference and Exhibition. European Association of Geoscientists & Engineers, pp cp-125-00012, https://doi.org/00010.03997/02214-04609.20145862.
Khaier F. 2003. Soil salinity detection using satellite remote sensing. In. ITC, International Institute for Geo-information Science and Earth Observation, 1- 70. https://doi.org/10.1016/j.proeng.2012.01.1193.
Maleki M, Tavakkoli Sabour S M, Zeaieanfirouzabadi P, Raeisi M. 2018. Comparison of optic and radar data for terrain feature extraction, Journal of RS and GIS for Natural Resources, 9(2): 93-107. (In Persian)
Martín‐Martín J, Vergés J, Saura E, Moragas M, Messager G, Baqués V, Razin P, Grélaud C, Malaval M, Joussiaume R. 2017. Diapiric growth within an Early Jurassic rift basin: The Tazoult salt wall (central High Atlas, Morocco). Tectonics, 36(1): 2-32. doi:https://doi.org/10.1002/2016TC004300.
Mehrabi A, Pourkhosravani M. 2018. Identification of the geomorphological landscape of Hormoz salt domes based on the interpretation of satellite images. Journal of Natural Geography, 11(42): 113-124. (In Persian)
Mehrabi A. 2018. Identification of the new and active buried salt dome evidences in the Zagros region using interferometry method of SENTINEL-1 and ASAR radar images. Journal of RS and GIS for Natural Resources, 9(4): 90-101. (In Persian)
Morshed MM, Islam MT, Jamil R. 2016. Soil salinity detection from satellite image analysis: an integrated approach of salinity indices and field data. Environmental Monitoring and Assessment, 188(2): 119. doi:10.1007/s10661-015-5045-x.
Motamedi H, Sepehr M, Sherkati S, Pourkermani M. 2011. Multi‐phase Hormuz salt diapirism in the southern Zagros, SW Iran. Journal of Petroleum Geology, 34(1): 29-43. doi:https://doi.org/10.1111/j.1747-5457.2011.00491.x.
Pourkaseb H, Demiri K, Rangzan K, Saiedi S. 2013. The Jahani salt dome lithographic unit’s enhancement (Firoozabad), using the principle components analysis, Journal of Economic Geology, 1(5): 83-92. (In Persian)
Saiedian R, Honarmand M, Hasanzadeh R, Hosseinjanizadeh M. 2017. The enhancement of the southwest of Saveh Salt domes using ASTER images, 10th National Geological Conference of Payame Noor University, Tabriz, 23-35. (In Persian)
Shayan S, Zare G, Sharifikia M, Amiri S. 2012. Identification and analysis of geomorphological forms related to the evolution of salt domes (Case study: Karsia Salt Dome - Darab Plain), Quantitative Geomorphological Research, 1(2): 73-86. (In Persian)
Taghadosi MM, Hasanlou M, Eftekhari K. 2019. Retrieval of soil salinity from Sentinel-2 multispectral imagery. European Journal of Remote Sensing, 52(1): 138-154. doi:https://doi.org/10.1080/22797254.2019.1571870.
Tayebi MH, Tangestani MH, Roosta H. 2013. Mapping salt diapirs and salt diapir-affected areas using MLP neural network model and ASTER data. International journal of digital earth, 6(2): 143-157. doi:https://doi.org/10.1080/17538947.2011.606336
Van der Meer FD, van der Werff HMA, van Ruitenbeek FJA, Hecker CA, Bakker WH, Noomen MF, van der Meijde M, Carranza EJM, Smeth JBd, Woldai T. 2012. Multi- and hyperspectral geologic remote sensing: A review. International Journal of Applied Earth Observation and Geoinformation, 14(1): 112-128. doi:https://doi.org/10.1016/j.jag.2011.08.002.
Yellala A, Kumar V, Høgda KA. 2019. Bara Shigri and Chhota Shigri glacier velocity estimation in western Himalaya using Sentinel-1 SAR data. International Journal of Remote Sensing, 40(15): 5861-5874. doi:https://doi.org/10.1080/01431161.2019.1584685.
Zarekamali M, Almodaresi S A, Naghdi K. 2017. Comparing the magnitude of the earth’s vertical relocation using the SBAS algorithm in X and C radar bands (Case study: Tehran lands), Journal of RS and GIS for Natural Resources, 8(3): 104-120. (In Persian)
_||_
Abdolahi M, Qishlaqi A, Abasnejad A. 2015. Environmental hydro geochemistry of groundwater resources of the Ravar plain, Northern Kerman province, Iran. Journal of Environmental Studies, 41(1): 81-95. (In Persian)
Aghanabati S A. 2003. Geology of Iran. Geological Survey of Iran. 583p. (In Persian)
Alexakis D, Daliakopoulos I, Panagea I, Tsanis I. 2018. Assessing soil salinity using WorldView-2 multispectral images in Timpaki, Crete, Greece. Geocarto International, 33(4): 321-338. doi:https://doi.org/10.1080/10106049.2016.1250826.
Almodaresi SA, Hatami J, Sarkargar A. 2016. Calculating the physical properties of snow, using differential radar interferometry and TerraSAR-X and MODIS images, Journal of RS and GIS for Natural Resources, 7(2): 59-76. (In Persian)
Asfaw E, Suryabhagavan KV, Argaw M. 2016. Soil salinity modeling and mapping using remote sensing and GIS: The case of Wonji sugar cane irrigation farm, Ethiopia. Journal of the Saudi Society of Agricultural Sciences, 7(18): 213-228. https://doi.org/10.1016/j.jssas.2016.05.003.
Campbell B A. 2002. Radar remote sensing of planetary surfaces. Cambridge, UK: Cambridge University Press Location, 354p.
Choe B. 2017. Polarimetric synthetic aperture radar (SAR) application for geological mapping and resource exploration in the Canadian Arctic. London, Canada: University of Western Ontario. Available from: https://ir. lib.uwo.ca/etd/5133.
Collingwood A, Treitz P, Charbonneau F. 2014. Surface roughness estimation from RADARSAT-2 data in a High Arctic environment. International Journal of Applied Earth Observation and Geoinformation, 27: 70–80. https://doi.org/10.1016/j.jag.2013.08.010.
Dehaan R, Taylor G. 2003. Image-derived spectral endmembers as indicators of salinisation. International Journal of Remote Sensing, 24(4): 775-794. doi:https://doi.org/10.1080/01431160110107635.
Gorji T, Sertel E, Tanik A. 2017. Monitoring soil salinity via remote sensing technology under data scarce conditions: A case study from Turkey. Ecological Indicators, 74: 384–391. https://doi.org/10.1016/j.ecolind.2016.11.043.
Gupta RP. 2017. Remote sensing geology. Springer, 428 p.
Harrington E, Shaposhnikova M, Neish C, Tornabene L, Tornabene L, Osinski G, Choe B, Zanetti M. 2019. A Polarimetric SAR and Multispectral Remote Sensing Approach for Mapping Salt Diapirs: Axel Heiberg Island, NU, Canada, Canadian Journal of Remote Sensing, 45(1): 54-72, https://doi.org/10.1080/07038992.2019.1610656.
Jahani S, de Lamotte DF, Letouzey J. 2009. Salt Activity and Halokinesis in the Zagros Fold-thrust Belt and Persian Gulf (Iran). In: Shiraz 2009-1st EAGE International Petroleum Conference and Exhibition. European Association of Geoscientists & Engineers, pp cp-125-00012, https://doi.org/00010.03997/02214-04609.20145862.
Khaier F. 2003. Soil salinity detection using satellite remote sensing. In. ITC, International Institute for Geo-information Science and Earth Observation, 1- 70. https://doi.org/10.1016/j.proeng.2012.01.1193.
Maleki M, Tavakkoli Sabour S M, Zeaieanfirouzabadi P, Raeisi M. 2018. Comparison of optic and radar data for terrain feature extraction, Journal of RS and GIS for Natural Resources, 9(2): 93-107. (In Persian)
Martín‐Martín J, Vergés J, Saura E, Moragas M, Messager G, Baqués V, Razin P, Grélaud C, Malaval M, Joussiaume R. 2017. Diapiric growth within an Early Jurassic rift basin: The Tazoult salt wall (central High Atlas, Morocco). Tectonics, 36(1): 2-32. doi:https://doi.org/10.1002/2016TC004300.
Mehrabi A, Pourkhosravani M. 2018. Identification of the geomorphological landscape of Hormoz salt domes based on the interpretation of satellite images. Journal of Natural Geography, 11(42): 113-124. (In Persian)
Mehrabi A. 2018. Identification of the new and active buried salt dome evidences in the Zagros region using interferometry method of SENTINEL-1 and ASAR radar images. Journal of RS and GIS for Natural Resources, 9(4): 90-101. (In Persian)
Morshed MM, Islam MT, Jamil R. 2016. Soil salinity detection from satellite image analysis: an integrated approach of salinity indices and field data. Environmental Monitoring and Assessment, 188(2): 119. doi:10.1007/s10661-015-5045-x.
Motamedi H, Sepehr M, Sherkati S, Pourkermani M. 2011. Multi‐phase Hormuz salt diapirism in the southern Zagros, SW Iran. Journal of Petroleum Geology, 34(1): 29-43. doi:https://doi.org/10.1111/j.1747-5457.2011.00491.x.
Pourkaseb H, Demiri K, Rangzan K, Saiedi S. 2013. The Jahani salt dome lithographic unit’s enhancement (Firoozabad), using the principle components analysis, Journal of Economic Geology, 1(5): 83-92. (In Persian)
Saiedian R, Honarmand M, Hasanzadeh R, Hosseinjanizadeh M. 2017. The enhancement of the southwest of Saveh Salt domes using ASTER images, 10th National Geological Conference of Payame Noor University, Tabriz, 23-35. (In Persian)
Shayan S, Zare G, Sharifikia M, Amiri S. 2012. Identification and analysis of geomorphological forms related to the evolution of salt domes (Case study: Karsia Salt Dome - Darab Plain), Quantitative Geomorphological Research, 1(2): 73-86. (In Persian)
Taghadosi MM, Hasanlou M, Eftekhari K. 2019. Retrieval of soil salinity from Sentinel-2 multispectral imagery. European Journal of Remote Sensing, 52(1): 138-154. doi:https://doi.org/10.1080/22797254.2019.1571870.
Tayebi MH, Tangestani MH, Roosta H. 2013. Mapping salt diapirs and salt diapir-affected areas using MLP neural network model and ASTER data. International journal of digital earth, 6(2): 143-157. doi:https://doi.org/10.1080/17538947.2011.606336
Van der Meer FD, van der Werff HMA, van Ruitenbeek FJA, Hecker CA, Bakker WH, Noomen MF, van der Meijde M, Carranza EJM, Smeth JBd, Woldai T. 2012. Multi- and hyperspectral geologic remote sensing: A review. International Journal of Applied Earth Observation and Geoinformation, 14(1): 112-128. doi:https://doi.org/10.1016/j.jag.2011.08.002.
Yellala A, Kumar V, Høgda KA. 2019. Bara Shigri and Chhota Shigri glacier velocity estimation in western Himalaya using Sentinel-1 SAR data. International Journal of Remote Sensing, 40(15): 5861-5874. doi:https://doi.org/10.1080/01431161.2019.1584685.
Zarekamali M, Almodaresi S A, Naghdi K. 2017. Comparing the magnitude of the earth’s vertical relocation using the SBAS algorithm in X and C radar bands (Case study: Tehran lands), Journal of RS and GIS for Natural Resources, 8(3): 104-120. (In Persian)
شناسایی گنبدهای نمکی منطقه راور، استانکرمان با استفاده از روش پلاریمتری راداری تصاویر Palsar و تحلیل تصاویر چندطیفی Sentinel 2 و Aster
چکیده
گنبدهای نمکی یکی از لندفرم ها و چشم اندازهای ژئومورفولوژی جالب در طبیعت هستند، که علاوه بر تولید منابع معدنی مختلف، میتوانند نقش ویژهای در ایجاد مخازن نفتی ایفا کنند. با توجه به وجود گزارشهایی مبنی بر وجود تعدادی گنبد نمکی رخنمون یافته در محدوده شهرستان راور در استان کرمان، در این تحقیق سعی شد تا با استفاده از روشهای نوین دورسنجی برای اولین بار این گنبدها مورد شناسایی واقع شده و موقعیت دقیق آنها مشخص شود. در این راستا از تصاویر راداری Palsar مربوط به سال 2011 و تصاویر چند طیفی سنتینل 2 و Aster مربوط به سال 2019 استفاده شد. بدین منظور با اعمال روش تحلیل مولفههای اصلی بر روی تصویر سنتینل 2 و تهیه ترکیب رنگی کاذب از سه مولفه اصلی 2، 6 و 7 و همچنین با استفاده از ترکیب رنگی 12، 11 و 13 باندهای Aster، گنبدهای نمکی بارزسازی شدند. علاوه بر این با استفاده از تکنیک پلاریمتری راداری و اعمال شاخص نسبت قطبش دایرهای بر روی تصاویر راداری Palsar و تحلیل زبری سطح، گنبدهای نمکی شناسایی شدند. در نهایت با انجام بازدیدهای میدانی بر روی مناطق بارزسازی شده در نتیجه پردازش تصاویر ماهوارهای مختلف، و بررسی نمونههای سنگی و همچنین شواهد ساختاری موجود، وجود گنبدهای نمکی در این مناطق مورد تایید قرار گرفت. بر این اساس تعداد 27 گنبد نمکی در محدوده مورد مطالعه شناسایی شد. بنابراین با توجه به وجود شواهد فراوان دال بر پراکنش زیاد گنبدهای نمکی در منطقه راور، میتوان مطالعات و بررسیهای بیشتری را جهت شناسایی بهتر و همچنین احتمال وجود منابع نفتی مرتبط با این گنبدها، در دستور کار قرار داد.
.
واژه‌های کلیدی: گنبد نمکی، پلاریمتری راداری، تصاویر سنتینل 2، تصاویر استر، شهرستان راور کرمان.
.
مقدمه
گنبدهای نمکی یکی از جالبترین پدیدههای ژئومورفیک است که علاوه بر جاذبههای گردشگری، دارای منابع معدنی مختلف بوده و میتواند در مواردی نقش یک عامل ذخیره کننده نفتی و تله نفتی عمل کند (2). شناسایی آنها بسیار با اهمیت است. کشور ایران از نظر نهشتههای تبخیری بسیار غنی است و همچنین فراوانی منحصر بفردی از گنبدهای نمکی رخنمون شده را نشان میدهد. بیشترین گنبدهای نمک شناخته شده در جنوب زاگرس و ناحیه خلیج فارس پراکنده اند (17). ولی در مناطق دیگر ایران نیز گزارش شدهاند، از جمله کویر بزرگ، گرمسار، قم و منطقه راور (2). تاکنون بر روی گنبدهای نمکی منطقه راور مطالعه ویژهای صورت نگرفته است به طوری که تنها به وجود چندین گنبد در بخش شمال و شرق راور اشاره شده است، بدون اینکه حتی موقعیت آنها بر روی نقشهای مشخص شده باشد. بنابراین ضرورت مطالعه بیشتر این منطقه مشخص میشود.
به طور کلی گنبدهای نمکی ساختمان‌های زمینشناسی گنبدی شکلی هستند که هسته مرکزی آنها از سنگهای تبخیری تشکیل شده است. همواره دو عامل را فاکتور اصلی درتشکیل گنبد های نمکی می دانند الف: تکتونیک منطقه که عامل اصلی حرکت نمک است. و ب: سبک بودن نمک و تبخیریها بعلت وزن مخصوص کمتر نمک از دیگر سنگها و تمایل حرکت آن بر خلاف نیروی ثقل که بر اثر این اختلاف وزن مخصوص پیش می آید. بر روی چگونگی عملکرد و شواهد روی زمین دلایل مختلفی آورده می شود گروهی ناپایداری ثقلی (سبک بودن نمک) را عامل اصلی و عده ای فقط عامل کوهزایی و تکتونیکی را مؤثر می دانند دسته سومی هر دو را با هم باعث بوجود آمدن دیاپیر می دانند. علاوه بر دو عامل فوق عوامل دیگری که تا اندازه ای با دو عامل اصلی ذکر شده در ارتباط هستند می توانند مؤثر باشد از جمله وزن، فشار، وزسیکوزیته، زمان و بالاخره ضخامت را می توان نام برد. ساختمانهاي نمکي ممکن است به صورت گنبدهای نمکي، بالشهاي نمکي، برجستگيهاي تيغه مانند و استوکهاي نمکي باشد. بنابراین شکل گنبد نمکي متغير است. ديواره بسياري از آنها داراي شيب زياد در حدود 80 تا 90 درجه به طرف خارج است. گنبدهاي نمکي متقارن، کمياب و اغلب گنبدها نامتقارن و شيب ديواره‌ها در جهت مختلف متفاوت است (2).
امروزه به منظور بررسی و شناسایی گنبدهای نمکی با توجه به ویژگیهای طیفی کانیهای تبخیری آن، پردازش تصاویر ماهوارهای بسیار مناسب و کاربردی است. تاکنون مطالعات زیادی در این زمینه انجام گرفته است. به طور مثال شایان و همکاران (23) با پردازش تصاویر ETM به بررسی گنبد نمکی کرسیا دشت داراب پرداخته و باعث شناسایی پدیدههای ژئومورفولوژیکی مرتبط با تحول این گنبد شدهاند. پورکاسب و همکاران (21) واحد های سنگ شناختی گنبد نمکی جهانی را با استفاده از تحلیل مولفه های اصلی بارزسازی کرده و واحدهای نمکی را مشخص نمودند. طیبی و همکاران (25) با استفاده از تصاویر ASTER و مدل شبکه عصبی، گنبدهای نمکی قرار گرفته در محدوده جنوب شرقی شیراز را آشکارسازی کردند. مارتین (16) ایالت دیاپیری موروکو را با استفاده از سنجش از دور مورد بررسی قرار دادند. سعیدیان و همکاران (22) جهت بارزسازی گنبدهای نمکی جنوب غربی ساوه از پردازش تصاویر ماهوارهای ASTER استفاده کردند، ایشان در این راستا از تکنیکهای نقشهبردار زاویه طیفی (SAM) و ترکیب رنگی کاذب (FCC) استفاده کردند. مهرابی و پورخسروانی(17) با استفاده از تحلیلهای نظیر تقسیم باندی و تحلیل مولفههای اصلی (PCA) تصاویر ETM ،گنبدهای نمکی رخنمون یافته ناحیه زاگرس را مورد شناسایی قرار داداند، ایشان تعداد 123 گنبد نمکی را در منطقه شناسایی کردند. همانطور که اشاره شد تمامی مطالعات نامبرده از تصاویر ماهوارهای نوری و چندطیفی در راستای شناسایی گنبدهای نمکی استفاده کردهاند. با وجود این که امروزه تصویربرداری راداری SAR بیش از پیش رو به پیشرفت بوده و کاربردهای آن نیز به ویژه در مطالعات جغرافیایی، منابع طبیعی و زمین شناسی رو به گسترش است (4، 8، 15، 18، 27 و 28). در زمینه استفاده از این تصاویر در حوزه شناخت گنبدهای نمکی به ندرت مطالعهای صورت پذیرفته است. به طوریکه تنها میتوان به مطالعه هرینگتون و همکاران (12) اشاره نمود. ایشان با استفاده از تکنیک پلاریمتری راداری گنبدهای نمکی جزیره اکسل هیبرگ کانادا را مورد شناسایی قرار داده و نتایج کار خود را با استفاده از پردازش تصاویر چند طیفی مورد تایید قرار دادهاند.
از آنجاییکه در شمال استان کرمان و در محدوده شهرستان راور یکی از حوضههای تبخیری ایران واقع شده است و با توجه به گزارشاتی مبنی بر وجود گنبدهای نمکی در آن منطقه، بر آن شدیم تا با استفاده از روشهای نوین سنجش از دور و استفاده از تصاویر راداری و چندطیفی به شناسایی گنبدهای نمکی رخنمونیافته در منطقه بپردازیم.
روش تحقیق
منطقه مورد مطالعه
منطقه مورد مطالعه در شمال استان کرمان بین و در مختصات جغرافيايي' 20 و° 56 تا ' 20 و° 57 طول شرقي و ' 00 و° 31 تا ' 45 و° 31 عرض شمالي در حاشیه کویر لوت قرار دارد (شکل 1). مساحت محدوده مورد مطالعه در حدود 7650 کیلومتر مربع است. از نظر اقلیمی در منطقه خشک و نیمه خشک قرار گرفته و حداکثر درجه حرارت در تابستان حدود 42 درجه سانتیگراد بالای صفر و در زمستان به 10 درجه زیر صفر میرسد (1). به لحاظ تقسیمات سیاسی تقریبا تمامی گستره شهرستان راور را شامل میشود. پهنه مورد مطالعه به لحاظ ساختاری در حوضه ایران مرکزی قرار دارد. این منطقه در دو ورقه زمین شناسی 250000 لکرکوه و راور قرارگرفته است. بیشتر سازندهای زمین شناسی رخنمون یافته در منطقه شامل سازند دسو با ترکیب ژیپس، دولومیت، آهک و کانیهای تبخیری، سازند بیدو با ترکیب ماسهسنگ، شیل و مارنهای ژیپس دار، سری راور با آمیزهای از ماسهسنگ سرخ رنگ، سنگهای آتشفشانی بازیک، سنگ آهک های تیره و سنگهای تبخیری، میباشد (شکل 2). در حوضه راور، رسوبگذاري دوره اي و طولاني مدت تبخيري ها در تمام طول فانروزوئيک انجام گرفته است. نمک و ژيپس در وندين ظاهر شده و در کامبرين زيرين، دونين، ژوراسيک بالايي، کرتاسه زيرين و در اواخر ترشياري نيز تکرار ميشود (2). رسوبات آواري و رسوبات غير تبخيري از قبيل آهک ها يا رسوبات ژوراسيک به همراه طبقات زغال در حوضه راور همه از نوع دريايي کم عمق يا رسوبات خشکي هستند و البته آثاري از فعاليت هاي آتشفشاني نيز در کامبرين زيرين مشاهده شده است (2). شکل شماره 1 موقعيت منطقه مورد مطالعه را نشان ميدهد.
شکل1. محدوده مورد مطالعه
Fig 1. Study area
شکل 2. نقشه زمین شناسی منطقه مورد مطالعه
Fig 2. Geological map of the study area
دادههای مورد استفاده
در این تحقیق از ترکیبی از مجموعه داده های ماهوارههای راداری، چند طیفی و مطالعات میدانی، جهت نیل به اهداف مورد نظر استفاده شده است. در این راستا از سه سری تصویر ماهوارهای شامل یک سین تصویر راداری مربوط به سنجنده Palsar، ماهواره Alos سازمان فضایی ژاپن از نوع مد FBS با پلاریزاسیون VV ،HH ، HV و VH که مربوط به سال 2011 است، علاوه برآن از یک سین تصویر چند طیفی مربوط به سنجنده SENTINEL 2 و 3 سین تصویر چند طیفی مربوط به سنجنده Aster، هر دو نوع تصویر مربوط به سال 2019، در این تحقیق استفاده شد. تحلیلهای انجامگرفته با استفاده از نرمافزارهای SNAP 6 و5.3 ENVI انجام گرفت. همچنین مدل ارتفاع رقومی استفاده شده در این تحقیق از نوع دم SRTM 30 متری میباشد. جدول شماره 1 مشخصات تصاویر چند طیفی مورد استفاده در این پژوهش را نشان میدهد.
جدول 1. مشخصات دادههای مورد استفاده در تحقیق
Table 1. Overview of images used in research
نوع تصاویر Images Type | تاریخ Date | مدار Orbit | تعداد باند Band Numbers | رزولوشن (متر) Resolution | |
تصاویر راداری Radar Images | Palsar | 23/7/2011 | 85 | - | 10 |
تصاویر چند طیفی Multi Spectural Images | Sentinel 2 | 17/6/2019 | 63 | 12 | 10، 20، 60 |
Aster | 25/6/2019 | 112 | 14 | 15، 30، 90 | |
با توجه به استفاده از دو نوع تصویر راداری و نوری در این پژوهش، از دو روش پلاریمتری راداری و روش پردازش چند طیفی در این تحقیق استفاده شده است.
پردازش تصاویر راداری
جهت تحلیل تصاویر راداری از تکنیک پلاریمتری راداری استفاده شد. در ادامه ضمن اشارهای کوتاه به اصول این روش، به نحوه استفاده از آن در این تحقیق اشاره میشود. پلاریزاسیون یکی از ویژگیهای مهم موج الکترومغناطیس به حساب میآید. پلاریزاسیون به نظم و ترتیب مؤلفههای میدان الکتریکی و مغناطیسی موج، در صفحهای عمود بر جهت انتشار، بستگی دارد. مبناي کار دادههاي پلاريمتري راداری بر اساس دريافت داده از سطح زمين با استفاده از ارسال امواج الکترومغناطيس با قطبش قائم (V) و افقي (H) و دريافت آن ميباشد. اين نوع داده به کاربر اجازه شناسايي کلاسهاي مختلف را با آناليز چند قطبي ضرايب بازپراکنش ميدهد. وقتی یک موج با پلاریزاسیون افقی به یک هدف برخورد میکند، میتواند در هر دو پلاریزاسیون افقی وعمودی پس پراکنش کند (7). در مورد انتشار موج با پلاریزاسیون عمودی نیز به همین ترتیب است. بنابراین میتوان خواص پس پراکنش یک هدف را توسط ماتریس پراکنش S (رابطه شماره 1) به این صورت بیان نمود:
[1] |
علاوه برآن میتوان با استفاده از ماتریس تغییرات پایه پلاریمتری [U] (رابطه شماره 2)، ماتریس پراکنش را به ماتریس پراکنش پلاریمتری دایرهای [Scir] (رابطه شماره 3) تبدیل کرد:
[2]
|
[3]
|
[4]
|
فاز مطلق و 
همان ماتریس پراکنش پلاریمتری دایرهای برای زاویه 45 درجه و 
زاویه بیضوی (ellipticity angle) نام دارد. و در نهایت با استفاده از اجزای ماتریس پراکنش پلاریمتری دایرهای و به وسیله ابزار تقسیم باندی در نرمافزار SNAP بر اساس رابطه شماره 4، تصویر موسوم به نسبت پلاریمتری دایرهای (Circular Polarization Ratio; CPR) تهیه میشود (12).
به منظور کاهش خطای اسپکل بر روی تصویر CPR عملیات چند منظرسازی (Multilooking) انجام گرفت. تفسیر رنج دادههای مربوط به تصویر CPR به اینصورت است که ارزشهای بین 5/0 و 1 نشانگر سطوح نسبتاً زبر، ارزشهای کمتر از 5/0 نشانگر سطوح صاف و ارزشهای بیشتر از 1 مربوط به سطوح سنگی فرسایش پذیر است که نوع پراکنش موج آنها از نوع Double bounce است (6). از آنجاییکه یکی از ویژگیهای بارز گنبدهای نمکی در مقایسه با دیگر لیتولوژیها، قابلیت هوازدگی و فرسایشپذیری بالا این ساختارها است (12 و 13)، در نتیجه آن باعث میشود که این سطوح در مواجهه با امواج راداری، حکم سطوح زبر داشته باشند و نوع پراکنش امواج نیز متفاوت خواهد بود. بنابراین با بررسی امواج برگشتی راداری در پلاریزاسیونهای مختلف و استفاده از روابط خاص میتوان گنبدهای نمکی را مشخصکرد. بدین منظور تصاویر راداری Palsar که از نوع چهار پلاریزاسیون هستند (HH، VV، VH و HV) مورد استفاده قرار گرفت.
پردازش تصاویر چند طیفی
[5]
|
بچرخد، به طوري كه اولين محور با حداكثر ميزان واريانس(در نمودار پراكنش نقاط)، منطبق شود. حال اين محور جديد مؤلفه اصلي اول(
PC1= )، ناميده ميشود. دومين مؤلفه (
PC2 = )، عمود بر PC1 است. بدين ترتيب واريانس مؤلفه هاي بعدی كاهش مييابد. در روشPCA ، دستيابي به شاخص هاي مستقل (غير همبسته) بسيار مفيد است. زيرا عدم همبستگي نشان ميدهد شاخصها، جنبه هاي متفاوتي از داده ها را در خود جاي دادهاند. براي اينكه دادههاي موجود روي محورهاي اوليه، به محور هاي PC1 و PC2 تبديل شود، به ضرايب تبديلي نياز است تا بتوان آن را در يك مدل خطي به كار برد. بنابراين با ايجاد مجموعه دادههاي جديد، ضرايب تبديل جديد نيز حاصل ميشود. بدین منظور از رابطه شماره 5 استفاده ميشود. در اين راستا ابتدا بر اساس تعداد باندهاي موجود يک ماتريس وزني تعريف شده و سپس با استفاده از فرمول مذکور، مؤلفههاي اصلي بدست ميآيد (11). 
در رابطه فوقWi,,k وزن باند i در مولفه k ام(بردار ويژه)، DNi درجه روشنايي باند i ام و n ، تعداد باندهای تصویر ماهوارهای است. مطالعات انجام گرفته در زمینه استفاده از تکنیک تحلیل مولفههای اصلی برای تصاویر ماهوارهای سنتینل 2 در شناسایی شوری خاک و سنگ (10 و 24) نشان میدهد که ترکیب رنگی کاذب PC7، PC6 و PC2 به ترتیب در کانالهای قرمز، سبز و آبی بدین منظور بسیار مناسب است. از آنجاییکه کانیهای حاوی عناصرکلسیم و سولفات نظیر ژیپس و انیدریت و کانیهای نمکی نظیر هالیت و پلیهالیت از عناصر اصلی تشکیل دهنده گنبدهای نمکی هستند، مطالعه نمودار انعکاس طیفی این کانیها (شکل 3) که نشانگر رفتار آن کانی در بازتاب طیف الکترومغناطیس است، میتواند جهت شناسایی آنها استفاده شود. معمولا در محدودههای طول موجی خاصیکانیها رفتار طیفی متفاوتی نشان میدهندکه در آن بخشها نمودار طیفی آنها از یکدیگر بیشترین فاصله را میگیرد، در نتیجه میتوان با استفاده از آن باندها، کانیهای مختلف را شناسایی کرد. علاوه بر این کانیهای سولفاته و کربناته در طول موج 6/8 میکرومتر نیز دارای جذب شدیدی میباشند، میتوان از باندهای حرارتی سنجنده Aster نیز استفاده کرد، به طوریکه با قرار دادن باندهای 12، 11 و 13 به ترتیب درکانالهای قرمز، سبز و آبی، کانیهای مذکور بارزسازی میشوند (5). از آنجایی که ترکیب گنبدهای نمکی رخنمون یافته در حوضه نمکی راور متفاوت هستند، به طوری که در یکسری از این گنبدها کانیهای نمکی و پلی هالیت غالب بوده و در بعضی دیگر کانیهای سولفاته به مانند ژیپس و کانیهای کربناته مانند انیدریت کانی غالب را تشکیل میدهند، بر حسب ویژگیها و رفتار طیفی کانیهای غالب هر گروه میتوان از تصاویر مختلف ماهوارهای جهت بارزسازی آنها استفاده کرد. بر این اساس از تصاویر Aster نیز استفاده شد، بنابراین با توجه به رفتار طیفی ویژه کانیهای انیدریت و ژیپس (شکل 3) در محدوده طیف حرارتی، میتوان با قرار دادن باندهای 12، 11 و 13 به ترتیب درکانالهای قرمز، سبز و آبی، ترکیب رنگی ویژهای جهت شناخت گنبدهای نمکی ایجاد کرد.
شکل3. نمودار طیفی کانیهای موجود در گنبدهای نمکی در طول موجهای مختلف (9)
Fig 3. Spectral diagram of salt domes minerals in different wavelength
شکل4. فلوچارت روش تحقیق
Fig 4. The flowchart of research method
مراحل تکامل یک گنبدنمکی در شکل شماره 5 مشخص شده است، همانطور که در این شکل دیده میشود در مرحله a و b گنبدها کاملا فعال و نرخ رشد بیشتر از نرخ فرسایش است در نتیجه گنبد ساختار کاملاً برآمده و مرتفع را تشکیل میدهد. در حالی که از مرحله c به بعد نرخ فرسایش از رشد پیشیگرفته و گنبد نمکی شکل تقریباً مسطحی به خود میگیرد، به طوری که در مرحله آخر دیگر اثری از خود گنبد نمکی در سطح نیست و تنها دهانه خالی آن برجای میماند.
شکل5. روند تکامل گنبدهای نمکی (20)
Fig 10. The evolution of salt domes
نتایج و بحث
با انجام تصحیحات اتمسفری بر روی تصاویر چند طیفی سنتینل 2، تحلیل مولفههای اصلی بر روی آن صورت پذیرفت که در نتیجه آن، تصویر مربوطه به 12 مولفه تقسیم شد. با استفاده از سه مولفه اصلی 2، 6 و 7 اقدام به تهیه ترکیب رنگی کاذب گردید نتیجه کار در شکل شماره 4 قابل مشاهده است، همانطور که در این شکل مشاهده میشود واحدهای سنگی مختلف با رنگهای متفاوتی بارزسازی شدهاند. در این بین با توجه به مطالعات قبلی (19 و 26) و با بررسی رنگهای مختلف و مقایسه و تطبیق آن با نقشه زمینشناسی منطقه مورد مطالعه، مشخص شد که رنگ صورتی روشن نشانگر واحدهای نمکدار در منطقه مورد مطالعه میباشد که این موضوع با انجام مطالعات میدانی به اثبات رسید. قابل ذکر است که محدودههای صورتی رنگ علاوه بر تعیین گنبدهای نمکی، نمکهای ثانویه ناشی از هوازدگی و فرسایش این گنبدها را نیز نشان میدهد. در شکل شماره 6 گنبدهای نمکی با دایره مشخص شده اند.
شکل 6. ترکیب رنگی کاذب حاصل از PC2، PC6 و PC7 . در این تصویر واحدهای نمکدار و سطوح نمکی ثانویه به رنگ صورتی روشن آشکار شدهاند.
Fig 5. False color combinations from PC2, PC6 and PC7, in this image, the salt units and the secondary salt surfaces are light pink
با قرار دادن باندهای 12، 11 و 13 تصاویر Aster به ترتیب درکانالهای قرمز، سبز و آبی، ترکیب رنگی ویژهای جهت شناخت گنبدهای نمکی ایجاد شد. شکل شماره 7 ترکیب رنگی مذکور را نشان میدهد. همانطور که در این شکل مشخص است گنبدهای نمکی دارای کانی غالب ژیپس و انیدریت با رنگ سفید روشن مشخص شدهاند.
علاوه بر تصاویر چند طیفی در این پژوهش جهت شناسایی بهترگنبدهای نمکی از تصاویر راداری Palsar استفاده شد، با انجام تکنیک پلاریمتری راداری و اعمال شاخص CPR تصاویر مربوطه تهیه شد (شکل 8). از آنجاییکه قبلا نیز اشاره شد رنج دادههای مربوط به تصویر CPR ارتباط تنگاتنگی با نوع و رفتار طیفی سطوح مختلف دارد، به منظور تحلیل بهتر تصاویر رنج دادهها بین عدد صفر و 1 نرمالسازی شد. هر چه اعداد مذکور به عدد یک نزدیکتر شوند، زبری ناشی از فرسایشپذیری سطوح بیشتر خواهد بود. همانطور که در شکل شماره 8 مشاهده میشود رنگهای قرمز و آبی دو حد انتهایی و مربوط به ارزشهای یک و صفر هستند. در نتیجه مناطقی که در تصویر به رنگ قرمز درآمدهاند قاعدتاً بسیار فرسایشپذیر هستند، با مقایسه این تصویر با اشکال شماره 6 و 7 مشاهده میشود که محدودههای قرمز رنگ دقیقاً منطبق برگنبدهای نمکی شناخته شده از طریق تصاویر چندطیفی، هستند. در نتیجه میتوان از این طریق نیز گنبدهای نمکی را شناسایی کرد. قابل ذکر است که یکی از گنبدهای نمکی تنها از همین روش مورد شناسایی قرار گرفت. در نهایت با تلفیق تمامی روشهای ذکر شده اقدام به ترسیم محدودهگنبدهای نمکی در منطقه مورد مطالعه در محیط GIS گردید. همانطور که در شکل شماره 9 مشاهده میشود تعداد 27 گنبد نمکی در کل محدوده مورد مطالعه شناسایی شد. جهت بررسی صحت نتایج به دست آمده از پردازش تصاویری ماهوارهای مختلف، بازدید صحرایی انجام گرفت، و بدین صورت صحت نتایج تایید شد. شکل شماره 10 تعدادی از تصاویر مربوط به گنبدهای بازدید شده را نشان میدهد. نتایج حاصل از بررسیهای زمینشناسی نشان میدهدکه لیتولوژی گنبدها اکثراً ترکیبی از میان لایههای نمک، ژیپس، دولومیت، انیدریت، مارن و تکههای آهک میباشد. یکی دیگر از پدیدههای موجود در این گنبدها وجود شورابهها و چشمههای نمکی است که نمونه آن در شکل شماره 10 دیده میشود. با توجه به موقعیت گنبدهای نمکی در ارتباط با سازندهای زمینشناسی موجود در منطقه که با مشاهده و مقایسه شکل شماره 9 و شکل شماره 2، این مسئله روشن میشود که همه گنبدهای نمکی در سازندهایی رخنمون دارند که به لحاظ جایگاه زمینشناسی درست است، زیرا بر اساس مطالعات زمینشناسی گذشته (2) وجود گنبدهای نمکی و به طور کلی سازندهای تبخیری یکی از ویژگیهای بارز این سازندها میباشد، که نتایج به دست آمده از این تحقیق نیز مؤید این مطلب است. نکته دیگری که از شکل برونزدهای نمکی ترسیم شده قابل برداشت است، این است که شکل بسیاری از این تودههای نمکی کاملاً گنبدی شکل نیستند و بیشتر دارای کشیدگی بوده و یا حتی در بعضی از آنها برآمدگی زیادی دیده نمیشود، برای تحلیل این موارد باید به مبحث تکامل گنبدهای نمکی در طول ظهور تا گسترش و پیشرفت آنها توجه کرد. همانطور که در شکل شماره 5 مشخص است 5 مرحله تکامل برای یک گنبدنمکی متصور میشوند، در مرحله a و b گنبدها کاملا فعال و نرخ رشد بیشتر از نرخ فرسایش است. در این مرحله معمولا یک گنبد ساختار کاملاً برآمده و مرتفع را تشکیل میدهد. ولی از مرحله c به بعد نرخ فرسایش از رشد پیشیگرفته و در نتیجه شکل تقریباً مسطحی به خود میگیرد، به طوری که در مرحله آخر دیگر اثری از خود گنبد نمکی در سطح نبوده و تنها دهانه خالی آن مشاهده میشود. گنبدهای نمکی شناسایی شده در این تحقیق نیز الیرغم اینکه تمامی مراحل روند تکاملی را نشان میدهند ولیکن بیشتر گنبدها در مراحل آخر تکامل خود قرار دارند. به طور مثال همانطور که در شکل شماره 11 مشخص است،گنبدهای نمکی شماره 11 در مرحله b، شماره 1 در مرحلهc ، شماره 24 در مرحله d و گنبد نمکی شماره 19 در مرحله e قرار دارد.
شکل 7. ترکیب رنگی حاصل از باندهای 12، 11 و 13 سنجنده Aster، در این تصویر گنبدهای نمکی به رنگ روشن بارز شدهاند.
Fig 6. Color combination of bands 12, 11 and 13 Aster sensor, in this image, the salt domes are brightly colored
شکل 8. تصویر CPR ناشی از دادههای راداری Palsar، گنبدهاینمکی در این تصاویر به رنگ قرمز مشاهده میشوند.
Fig 7. CPR image from Palsar radar data, the salt domes are shown in red in these images
شکل 9. موقعیت گنبدهای نمکی شناسایی شده در منطقه مورد مطالعه
Fig 8. The situation of salt domes identified in the study area
شکل 10. عکسهای میدانی مربوط به گنبدهای نمکی شناخته شده منطقه راور
Fig 9. Field photographs of detected salt domes in the Ravar region
شکل 11. موقعیت بعضی از گنبدهای نمکی شناسایی شده بر روی تصاویر Google earth، a: گنبد نمکی شماره 11، b: گنبد نمکی شماره 1، c: گنبد نمکی شماره 19 و d: گنبد نمکی شماره 24
Fig 11. The Location of some salt domes identified on Google Earth images, a: salt dome number 11, b: salt dome number 1, c: salt dome number 19 and d: salt dome number 24
یکی از ویژگیهای خاص گنبدهای نمکی رخنمونیافته منطقه راور، آنطور که در شکل شماره 9 نیز قابل مشاهده است کشیدگی اکثر گنبدها است. به منظور تحلیل این وضعیت بایستی به مکانیزم حرکت نمک و رخنمونیافتن آن در سطح زمین اشاره کرد، به طوری که بر اساس مطالعات انجامگرفته (20) لایههای نمکی درون زمین به دلیل ویسکوزیته کمتر نسبت به سنگهای اطراف به سمت بالا حرکت میکنند، علاوه بر آن این نفوذ معمولاً در امتداد شکستگیها و گسلهای زمین رخ میدهد. حال اگر هر کدام از این عوامل در یک منطقهای غالب باشد حرکت نمک تحت کنترل آن قرار میگیرد، وضعیت تکتونیکی منطقه راور بسیار ویژه و خاص است به طوری که منطقه مورد مطالعه مابین گسلهای بزرگی چون گسل لکرکوه در شرق، گسلهای راور در بخش مرکزی وگسل کوهبنان در غرب قرار دارد. نقشه گسلهای اصلی موجود در منطقه راور با استفاده از پردازش تصاویر ماهوارهای و کمک از نقشههای زمین شناسی استخراج شد. شکل شماره 12 موقعیت گسلهای اصلی و محل گنبدهای نمکی را نشان میدهد، همانطور که در این شکل نیز به خوبی مشخص میشود تقریباً تمامی گنبدهای نمکی شناسایی شده در امتداد گسلها قرار دارند. و این موضوع به خوبی دلیل کشیدگی آنها را به تصویر میکشد. همچنین، بررسی نقشه زمینشناسی منطقه مورد مطالعه (شکل 2) نشان میدهد که گنبدهای نمکی شناخته شده اکثراً در سازندهای راور، بیدو و دسو واقع شدهاند و این موضوع کاملاً با مطالعات زمینشناسی انجام گرفته در زمینه نوع لیتولوژی سازندهای مذکور تطابقت دارد (2).
نتایج به دست آمده از این تحقیق با یافتههای تقدسی و همکاران (24) در زمینه استفاده از تصاویر سنتینل 2 جهت بارزسازی تودههای نمکی همخوانی و مطابقت دارد، به طوری که ایشان نیز از ترکیب رنگی مولفههای اصلی در این راستا استفاده کردهاند. همچنین هرینگتون و همکاران (12) با استفاده از روش پلاریمتری راداری گنبدهای نمکی جزیره اکسل هیلبرگ کانادا را بارزسازی کردند، در پژوهش ایشان نیز، تودههای نمکی با رنگ قرمز مشخص شدهاند. بنابراین میتوان روش پلاریمتری راداری را همواره در مطالعه گنبدهای نمکی استفاده کرد. علاوه بر این یافتههای به دست آمده از این تحقیق در زمینه نوع ترکیب رنگی تصاویر استر جهت بارزسازی تودههای نمکی شباهت زیادی به نتایج حاصل از پژوهش سعیدیان و همکاران (22) دارد. ایشان از ترکیب رنگی کاذب 12، 11 و 13 تصاویر استر در جهت بارزسازی گنبدهای نمکی استفاده کردهاند. بنابراین با توجه به یافتههای پژوهشگران مختلف، میتوان چنین برداشت کرد که پردازش تصاویر ماهوارهای مختلف در زمینه مطالعه تودههای نمکی و به طور کلی شوری خاک، بسیار موثر و راهگشا است.
شکل12. موقعیت گنبدهای نمکی منطقه نسبت به گسلهای اصلی
Fig 12. The position of the salt domes in the region relative to the main faults
نتیجه گیری
گنبدهای نمکی نقش ویژهای در مطالعات زیستمحیطی مناطق دارند، شناسایی آنها میتواند در جهت شناسایی معادن ویژه، حوزههای نفتی جدید و جلوگیری از افت کیفی منابع آب زیرزمینی کمککننده باشد. استفاده از تکنیکها و روشهای نوین سنجش از دور در این زمینه بسیار راهگشا است. نتایج حاصل از این پژوهش نشان میدهد که با استفاده از روش پلاریمتری راداری میتوان کانیهای تبخیری و گنبدهای نمکی را شناسایی کرد. در این تحقیق با اعمال شاخص CPR، گنبدهای نمکی با رنگ قرمز بارزسازی میشوند. علاوه بر آن با توجه به رفتار طیفی ویژه کانیهای انیدریت و ژیپس در محدوده طیف حرارتی، با ترکیب رنگی باندهای 12، 11 و 13 تصاویر ASTER گنبدهای نمکی به رنگ روشن مشخص شدند. همچنین با استفاده از سه مولفه اصلی 2، 6 و 7 تهیه شده از تصاویر سنتینل 2، واحدهای نمکدار موجود در منطقه مورد مطالعه مورد شناسایی قرار گرفتند. بر اساس نتایج به دست آمده تعداد 27 گنبدنمکی در محدوده مورد مطالعه شناسایی شد، که به مکانیزم و ساز و کار ساختاری معمول برای ایجاد گنبدهای نمکی همخوانی خوبی دارند، علاوه بر اینکه با انجام بازدیدهای میدانی صحت نتایج به اثبات رسید. در نهایت، آنچه که نتایج پردازش تصاویر مختلف ماهوارهای در این پژوهش نشان داد این است که همواره ترکیب و به کارگیری تصاویر ماهوارهای مختلف با ویژگیهای طیفی متفاوت بهتر میتوان پدیدهها را مورد بررسی قرار داد، زیرا از این طریق جنبههای متفاوت یک پدیده مورد کنکاش قرار میگیرد. به طوری که در این تحقیق نیز ویژگی فرسایشپذیری و طیفی کانیهای مختلف موجود در گنبدهای نمکی با استفاده از روشها و تصاویر ماهوارهای مختلف مورد بررسی قرار گرفت.
منابع
1. Abdolahi M, Qishlaqi A, Abasnejad A. 2015. Environmental hydrogeochemistry of groundwater resources of the Ravar plain, Northern Kerman province, Iran. Journal of Environmental Studies, 41(1): 81-95. (In Persian).
2. Aghanabati S A. 2003. Geology of Iran. Geological Survey of Iran. 583 P. (In Persian).
3. Alexakis D D, Daliakopoulos I N, Panagea I S, Tsanis I K. 2018. Assessing soil salinity using worldview-2 multispectral images in Timpaki, Crete, Greece. Geocarto Internationa, 23(12): 34-47. https://doi.org/10.1080/10106049.2016.1250826
4. Almodaresi S A, Hatami J, Sarkargar A. 2016. Calculating the physical properties of snow, using differential radar interferometry and TerraSAR-X and MODIS images, Journal of RS and GIS for Natural Resources, 7(2): 59-76. (In Persian).
5. Asfaw E, Suryabhagavan K V, Argaw M. 2016. Soil salinity modeling and mapping using remote sensing and GIS: The case of Wonji sugar cane irrigation farm, Ethiopia. Journal of the Saudi Society of Agricultural Sciences, 7(18): 213-228. https://doi.org/10.1016/j.jssas.2016.05.003
6. Campbell B A. 2002. Radar remote sensing of planetary surfaces. Cambridge, UK: Cambridge University Press Location, 354 P.
7. Choe B. 2017. Polarimetric Synthetic Aperture Radar (SAR) Application for Geological Mapping and Resource Exploration in the Canadian Arctic. London, Canada: University of Western Ontario. Available from https://ir. lib.uwo.ca/etd/5133.
8. Collingwood A, Treitz P, Charbonneau F. 2014. Surface roughness estimation from RADARSAT-2 data in a High Arctic environment. International Journal of Applied Earth Observation and Geoinformation, 27: 70–80. https://doi.org/10.1016/j.jag.2013.08.010.9. Dehann R, Taylor G R. 2003. imaged-derived spectral endmembers as indicators of salinization, Int. J. Remote sensing, 24(4): 775-794. https://doi.org/10.1080/01431160110107635
10. Gorji T, Sertel E, Tanik A. 2017. Monitoring soil salinity via remote sensing technology under data scarce conditions: A case study from Turkey. Ecological Indicators, 74: 384–391. https://doi.org/10.1016/j.ecolind.2016.11.043.
11. Gupta R P. 2003. Remote Sensing Geology. second edition, Springer Verlag, 655P.
12. Harrington E, Shaposhnikova M, Neish C, Tornabene L, Tornabene L, Osinski G, Choe B, Zanetti M. 2019. A Polarimetric SAR and Multispectral Remote Sensing Approach for Mapping Salt Diapirs: Axel Heiberg Island, NU, Canada, Canadian Journal of Remote Sensing, 45(1): 54-72, https://doi.org/10.1080/07038992.2019.1610656.
13. Jahani S, Callot J P, Lamotte D, Letouzey J, Leturmy P. 2009. Salt Activity and Halokinesis in the Zagros Fold-thrust Belt and Persian Gulf (Iran). 1st International Petroleum Conference & Exhibition, EAGE, 98-107.
14. Khaier F. 2003. Soil salinity detection using satellite remote sensing, geoinformation science and earth observation. International Institute for Geo-information Science and Earth Observation, p: 1- 70. https://doi.org/10.1016/j.proeng.2012.01.1193
15. Maleki M, Tavakkoli Sabour S M, Zeaieanfirouzabadi P, Raeisi M. 2018. Comparison of optic and radar data for terrain feature extraction, Journal of RS and GIS for Natural Resources, 9(2): 93-107. (In Persian).
16. Martín-Martín J D. 2016. Diapiric growth within an Early Jurassic rift basin: The Tazoult salt wall (central High Atlas, Morocco), Tectonics, 35: 23-37, https://doi.org/10.1002/2016TC004300
17. Mehrabi A, Pourkhosravani M. 2018. Identification of the geomorphological landscape of Hormoz salt domes based on the interpretation of satellite images. Journal of Natural Geography, 11(42): 113-124. (In Persian).
18. Mehrabi A. 2018. Identification of the new and active buried salt dome evidences in the Zagros region using interferometry method of SENTINEL-1 and ASAR radar images. Journal of RS and GIS for Natural Resources, 9(4): 90-101. (In Persian).
19. Morshed M M, Islam M T, Jamil R. 2016. Soil salinity detection from satellite image analysis: An integrated approach of salinity indices and field data. Environmental Monitoring and Assessment, 188(2), 119. https://doi.org/10.1007/s10661-015-5045-x.
20. Motamedi H, Sepehr M, Sherkati S, Pourkermani M. 2011. Multi-phase hormoz salt diapirism in the southern zagros sw Iran. Journal of Petroleum Geology, 34(1): 29-43. https://doi.org/10.1111/j.1747-5457.2011.00491.x
21. Pourkaseb H, Demiri K, Rangzan K, Saiedi S. 2013. The Jahani salt dome lithographic unit’s enhancement (Firoozabad), using the principle components analysis, Journal of Economic Geology, 1(5): 83-92. (In Persian).
22. Saiedian R, Honarmand M, Hasanzadeh R, Hosseinjanizadeh M. 2017. The enhancement of the southwest of Saveh Salt domes using ASTER images, 10th National Geological Conference of Payame Noor University, Tabriz, 23-35. (In Persian).
23. Shayan S, Zare G, Sharifikia M, Amiri S. 2012. Identification and analysis of geomorphological forms related to the evolution of salt domes (Case study: Karsia Salt Dome - Darab Plain), Quantitative Geomorphological Research, 1(2): 73-86. (In Persian).
24. Taghadosi M M, Hasanlou M, Eftekhari K. 2019. Retrieval of soil salinity from Sentinel-2 multispectral imagery. European Journal of Remote Sensing, 52(1): 138-154, https://doi.org/10.1080/22797254.2019.1571870
25. Tayebi M H, Tangestani M H, Roosta H. 2013. Mapping salt diapirs and salt diapir-affected areas using MLP neural network model and ASTER data. International Journal of Digital Earth, 6(2): 143-157, https://doi.org/10.1080/17538947.2011.606336.
26. Van der Meer, F D. 2012. Multi- and hyperspectral geologic remote sensing: a review. International Journal of Applied Earth Observations and Geoinformation, 14: 112–128. https://doi.org/10.1016/j.jag.2011.08.002
27. Yellala A, Kumar V, Høgda K. 2019. Bara Shigri and Chhota Shigri glacier velocity estimation in western Himalaya using Sentinel-1 SAR data; Int. J. of Remote Sens. 40(15): 5861-5874, https://doi.org/10.1080/01431161.2019.1584685.
28. Zarekamali M, Almodaresi S A, Naghdi K. 2017. Comparing the magnitude of the earth’s vertical relocation using the SBAS algorithm in X and C radar bands (Case study: Tehran lands), Journal of RS and GIS for Natural Resources, 8(3): 104-120. (In Persian).
Identification of salt domes in Ravar region, Kerman province using the Polarimetric SAR technique of Palsar images and processing of Sentinel 2 and Aster multispectral images
Abstract
The Salt domes are one of the most interesting forms of landscape and geomorphology in nature, which in addition to producing various mineral resources, can play a special role in the creation of oil reservoirs. Due to the existence of reports about the existence of a number of salt domes that have emerged in the area of Ravar city in Kerman province, in this research, an attempt was made to identify these domes for the first time using new remote sensing methods. In this regard, the Palsar radar images related to 2011and multi-spectral images of Sentinel 2 and Aster related to 2019 were used. For this purpose, salt domes were highlighted by applying the method of the principle components analysis on the Sentinel 2 image and preparing false color combinations of the three main components 2, 6 and 7, as well as using color combinations of 12, 11 and 13 Aster bands. Therefore, the salt domes were identified using radar polarimetric technique and application of Circular Polarization Ratio (CPR) index on Palsar radar images and surface roughness analysis. Finally, by conducting field survey to the exposed areas as a result of processing various satellite images, and examining rock samples as well as available structural evidence, the presence of salt domes in these areas was confirmed. Based on this, 27 salt domes were identified in the study area. Therefore, due to the abundant evidence of the high distribution of salt domes in the Ravar region, more studies can be put on the agenda for better identification and the possibility of oil resources related to these domes.
Keywords: Salt Dome, Polarimetric SAR, Sentinel 2 Images, Aster images, Ravar Province of Kerman.
شناسایی گنبدهای نمکی منطقه راور، استانکرمان با استفاده از تکنیک پلاریمتری راداری تصاویر Palsar و پردازش تصاویر چندطیفی Sentinel 2 و Aster
چکیده مبسوط
طرح مسئله:
گنبدهای نمکی یکی از جالبترین پدیدههای ژئومورفیک است که علاوه بر جاذبههای گردشگری، دارای منابع معدنی مختلف بوده و میتواند در مواردی نقش یک عامل ذخیره کننده نفتی و تله نفتی عمل کند. شناسایی آنها بسیار با اهمیت است. کشور ایران از نظر نهشتههای تبخیری بسیار غنی است و همچنین فراوانی منحصر بفردی از گنبدهای نمکی رخنمون شده را نشان میدهد. بیشترین گنبدهای نمک شناخته شده در جنوب زاگرس و ناحیه خلیج فارس پراکنده اند. ولی در مناطق دیگر ایران نیز گزارش شدهاند، از جمله کویر بزرگ، گرمسار، قم و منطقه راور. تاکنون بر روی گنبدهای نمکی منطقه راور مطالعه ویژهای صورت نگرفته است به طوری که تنها به وجود چندین گنبد در بخش شمال و شرق راور اشاره شده است، بدون اینکه حتی موقعیت آنها بر روی نقشهای مشخص شده باشد. بنابراین ضرورت مطالعه بیشتر این منطقه مشخص میشود.
هدف:
هدف اصلی این تحقیق، شناسایی گنبدهای نمکی رخنمونیافته در محدوده شهرستان راور، استان کرمان با استفاده از روشهای نوین سنجش از دور و استفاده از تصاویر راداری و چندطیفی است.
روش تحقیق:
روشهای مختلفی برای پردازش تصاویر چندطیفی وجود دارد، که از مهمترین آنها میتوان به روش تحلیل مولفههای اصلی و ترکیب رنگی کاذب اشاره کرد که در ادامه به نحوه استفاده از این روشها در پژوهش حاضر اشاره میشود. برای تهیه ترکیب رنگی کاذب از باندهای حرارتی سنجنده Aster استفاده شد، به طوریکه با قرار دادن باندهای 12، 11 و 13 به ترتیب درکانالهای قرمز، سبز و آبی، کانیهای مذکور بارزسازی شدند. مطالعات انجام گرفته در زمینه استفاده از تکنیک تحلیل مولفههای اصلی برای تصاویر ماهوارهای سنتینل 2 در شناسایی شوری خاک و سنگ، نشان میدهد که ترکیب رنگی کاذب PC7، PC6 و PC2 به ترتیب در کانالهای قرمز، سبز و آبی بدین منظور بسیار مناسب است، که در این پژوهش نیز به همبن صورت عمل شد.
نتایج و بحث:
با انجام تصحیحات اتمسفری بر روی تصاویر چند طیفی سنتینل 2، تحلیل مولفههای اصلی بر روی آن صورت پذیرفت که در نتیجه آن، تصویر مربوطه به 12 مولفه تقسیم شد. با استفاده از سه مولفه اصلی 2، 6 و 7 اقدام به تهیه ترکیب رنگی کاذب گردید. نتایج نشان میدهد که واحدهای سنگی مختلف با رنگهای متفاوتی بارزسازی شدهاند. در این بین با توجه به مطالعات قبلی و با بررسی رنگهای مختلف و مقایسه و تطبیق آن با نقشه زمینشناسی منطقه مورد مطالعه، مشخص شد که رنگ صورتی روشن نشانگر واحدهای نمکدار در منطقه مورد مطالعه میباشد که این موضوع با انجام مطالعات میدانی به اثبات رسید. قابل ذکر است که محدودههای صورتی رنگ علاوه بر تعیین گنبدهای نمکی، نمکهای ثانویه ناشی از هوازدگی و فرسایش این گنبدها را نیز نشان میدهد. از آنجایی که ترکیب گنبدهای نمکی رخنمون یافته در حوضه نمکی راور متفاوت هستند، به طوری که در یکسری از این گنبدها کانیهای نمکی و پلی هالیت غالب بوده و در بعضی دیگر کانیهای سولفاته به مانند ژیپس و کانیهای کربناته مانند انیدریت کانی غالب را تشکیل میدهند، بر حسب ویژگیها و رفتار طیفی کانیهای غالب هر گروه میتوان از تصاویر مختلف ماهوارهای جهت بارزسازی آنها استفاده کرد. بر این اساس از تصاویر Aster نیز استفاده شد، بنابراین با توجه به رفتار طیفی ویژه کانیهای انیدریت و ژیپس در محدوده طیف حرارتی، میتوان با قرار دادن باندهای 12، 11 و 13 به ترتیب درکانالهای قرمز، سبز و آبی، ترکیب رنگی ویژهای جهت شناخت گنبدهای نمکی ایجاد کرد. همانطور که در نتایج مشخص است گنبدهای نمکی دارای کانی غالب ژیپس و انیدریت با رنگ سفید روشن مشخص شدهاند. با انجام تکنیک پلاریمتری راداری و اعمال شاخص CPR تصاویر مربوطه تهیه شد. از آنجاییکه قبلا نیز اشاره شد رنج دادههای مربوط به تصویر CPR ارتباط تنگاتنگی با نوع و رفتار طیفی سطوح مختلف دارد، به منظور تحلیل بهتر تصاویر رنج دادهها بین عدد صفر و 1 نرمالسازی شد. هر چه اعداد مذکور به عدد یک نزدیکتر شوند، زبری ناشی از فرسایشپذیری سطوح بیشتر خواهد بود. در نتیجه مناطقی که در تصویر به رنگ قرمز درآمدهاند قاعدتاً بسیار فرسایشپذیر هستند.
نتیجهگیری:
نتایج حاصل از این پژوهش نشان میدهد که با استفاده از روش پلاریمتری راداری میتوان کانیهای تبخیری و گنبدهای نمکی را شناسایی کرد. در این تحقیق با اعمال شاخص CPR، گنبدهای نمکی با رنگ قرمز بارزسازی شدند. علاوه بر آن با توجه به رفتار طیفی ویژه کانیهای انیدریت و ژیپس در محدوده طیف حرارتی، با ترکیب رنگی باندهای 12، 11 و 13 تصاویر ASTER گنبدهای نمکی به رنگ روشن مشخص شدند. همچنین با استفاده از سه مولفه اصلی 2، 6 و 7 تهیه شده از تصاویر سنتینل 2، واحدهای نمکدار موجود در منطقه مورد مطالعه مورد شناسایی قرار گرفتند. بر اساس نتایج به دست آمده تعداد 27 گنبدنمکی در محدوده مورد مطالعه شناسایی شد، که به مکانیزم و ساز و کار ساختاری معمول برای ایجاد گنبدهای نمکی همخوانی خوبی دارند، علاوه بر اینکه با انجام بازدیدهای میدانی صحت نتایج به اثبات رسید.
واژگان کلیدی: گنبد نمکی، پلاریمتری راداری، تصاویر سنتینل 2، تصاویر استر، شهرستان راور کرمان.
Identification of salt domes in Ravar region, Kerman province using the Polarimetric SAR technique of Palsar images and processing of Sentinel 2 and Aster multispectral images
Extended Abstract
Statement of the Problem:
Salt domes are one of the most interesting geomorphic phenomena that, in addition to tourist attractions, have different mineral resources and can in some cases act as a reservoir of oil and oil traps. Identifying them is very important. Iran is very rich in evaporative deposits and also shows a unique abundance of exposed salt domes. Most of the known salt domes are distributed in the south of the Zagros and the Persian Gulf region. But they have also been reported in other parts of Iran, including the Great Desert, Garmsar, Qom and the Ravar region. So far, no special study has been done on the salt domes of the Ravar region, so that only a few domes in the northern and eastern parts of Ravar have been mentioned. Without even their location on the map being marked. Therefore, the necessity for further study of this area is identified.
Purpose:
The main purpose of this study is to identify the salt domes found in the area of Ravar city, Kerman province, using new remote sensing methods such as radar and multispectral images.
Methodology:
There are several ways to process multi-dimensional images, the most important of which are the analysis of the principle components and the false color combination, which is how to use these methods in the present study. Aster images were used to produce the false color combination, so that by placing the 12, 11 and 13 bands in the red, green and blue channels, respectively, the mentioned minerals were exposed. Studies on the use of the main components analysis technique for Sentinel 2 satellite imagery to detect soil and rock salinity show that the false color combinations of PC7, PC6 and PC2, respectively, in red, green and green channels is very suitable for this purpose, which was done in the same way in this study.
Results and discussion:
By performing atmospheric corrections on the multi-spectral images of Sentinel 2, the analysis of the main components was performed on it, as a result of which, the corresponding image was divided into 12 components. Using the three main components 2, 6 and 7, a false color combination was prepared. the results show that, different stone units are highlighted with different colors. Meanwhile, according to previous studies (23 and 27) and by examining different colors and comparing and matching it with the geological map of the study area, it was found that the light pink color indicates the salt units in the study area, This has been proven by field studies. It is noteworthy that the pink areas, in addition to determining the salt domes, also show the secondary salts caused by weathering and erosion of these domes. Because the composition of the salt domes displayed in the Ravar salt basin varies, some of these domes are dominated by salt minerals and polyalite, and others by sulfate minerals such as gypsum and Carbonate minerals such as anhydrite, Depending on the characteristics and spectral behavior of the dominant minerals in each group, different satellite images can be used to highlight them. Aster images were also used based on this. Therefore, due to the specific spectral behavior of anhydrite and gypsum minerals in the thermal spectrum range, special color combinations can be combined by placing bands 12, 11 and 13 in the red, green and blue channels, respectively. Created to recognize salt domes. As shown in this result, the salt domes with the dominant gypsum and anhydrite mineral are marked by light white. By performing the radar polarimetry technique and applying the CPR index, the relevant images were prepared. As mentioned earlier, CPR image suffering is closely related to the type and spectral behavior of different levels, In order to better analyze the images, the suffering data were normalized between 0 and 1. The closer these numbers are to the number one, the greater the roughness due to surface erosion. the red and blue colors are both endpoints and values of one and zero. As a result, the areas that are red in the image are usually very eroded..
The results of this study show that evaporative minerals and salt domes can be identified using radar polarimetric method. In this study, with the application of CPR index, salt domes with red color were highlighted. In addition, due to the specific spectral behavior of the anhydrite and gypsum minerals in the thermal spectrum range, with the color combination of bands 12, 11 and 13, ASTER images of light-colored salt domes were identified. Also, using the three main components 2, 6 and 7 prepared from Sentinel 2 images, the salt units in the study area were identified. Based on the results, 27 salt domes were identified in the study area, which are in good agreement with the usual structural mechanism of salt domes creation. In addition, the results were confirmed by field survey.
Keywords: Salt Dome, Polarimetric SAR, Sentinel 2 Images, Aster images, Ravar Province of Kerman.
