Evaluation of different satellite image enhancement techniques in separating of geological units

Subject Areas : Geospatial systems development

Vadieh Barzegari dehaj ¹ , Mohammad Zare ² , Mohammad hossein Mokhtari ³ , Mohammad Reza Ekhtesasi ⁴

1 - MSc. Graduated of Natural Resources, Yazd University
2 - Assis. Prof. College of Natural Resources, Yazd University
3 - Assis. Prof. College of Natural Resources, Yazd University
4 - Prof. College of Natural Resources, Yazd University

Received: 2017-09-05 Accepted : 2018-03-02 Published : 2018-05-22

Keywords: Spectral rationing, Landsat, Kappa coefficient, Yazd, Lithological units,

Abstract :

Lithological studies and geological units' mapping are generally applicable to the many fields of natural resources management. Satellite remote sensing images have been widely used for separating of geological units which can generate accurate results, as well as time and cost saving. This research aims at comparing the performance of different enhancement techniques in order to separate four geological units in the study area of Taft watershed, Yazd. In this study, Landsat 8 satellite images (OLI sensor) were used, analyzed and classified. Geological maps were also up to dated using google earth images. A comparison of the results of the satellites classified images and base geological maps, indicates the Kappa coefficient and overall accuracy of the classified supervised maps of the ration of b7/b5 have the highest values of 0.78 and 86.7%, respectively. To verify the accuracy of the comparison results, QQ plots were used to compare the percentage of areas. Comparing the percentage of areas, the oblique angle of the b7/b5 bands ratio was lower (i.e. better) than the other different ratio combinations. Finally, the values of accuracy assessment for the reflection of lithological units in the observation and estimation range of supervised classification map of the ratio bands of the b7/b5 in the geological units Ks, gd, Kt-1, and Qal were 0.993, 0.980, 0.948, and 0.985, respectively, indicates that the b7/b5 band ratio separate four different geological units of the study area more precisely, and easily than the other classification methods.

References:

 

1. اخضری، د. و ا. اسدی می­آبادی. 1395. تهیة نقشه شوری خاک با استفاده از تحلیل طیفی داده‌های سنجنده OLI و داده­ های میدانی (مطالعة موردی: جنوب دشت ملایر). سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 7(2): 87-100.


2. اسلمی، ف.، ا. قربانی، ب. سبحانی و م. پناهنده. 1394. مقایسة روش ­های شبکه عصبی مصنوعی، ماشین بردار پشتیبان و شیءگرا در استخراج کاربری و پوشش اراضی از تصاویر لندست 8. سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 6(3): 1-14.


3. اکبری، ا. و ع. شکاری بادی. 1395. پردازش و استخراج اطلاعات از داده­های ماهواره­ای با استفاده از نرم­افزار ENVI. چاپ سوم. تهران، انتشارات ماهواره. 240 صفحه.


4. اکبری، ز.، ا. رسا و ع. یارمحمدی. 1389. شناسایی نواحی مستعد کانه­زایی ناحیه محسن ابن علی بروجرد با استفاده از داده­های سنجش از دور. دانش زمین، 1(2): 1-18.


5. بابا احمدی، ع. 1390. کاربرد­های سنجش از دور (RS) در زمین­شناسی. انتشارات آوای قلم. 176 صفحه.


6. بختیاری، س.، ح. ا. رنجبر، ج. شهاب­پور و س. یوسفی­زارع. 1391. تعیین نواحی امیدبخش معدنی با استفاده از دورسنجی مطالعه موردی انار. مجموعه مقالات ششمین همایش ملی   زمین­شناسی دانشگاه پیام­نور. کرمان - دانشگاه پیام­نور مرکز کرمان. 18 الی 20 آبان ماه.


7. بهمن­پور، ا.، ح. شهبازی، ا. ترکیان و م. نورمحمدی. 1393. تفکیک واحدهای سنگ­شناسی سنگ­های نفوذی آلموقولاق، شمال غرب همدان. مجموعه مقالات دومین همایش ملی پژوهش­های کاربردی در علوم شیمی، زیست­شناسی و زمین­شناسی. تهران- دانشگاه جامع علمی کاربردی. 16 بهمن ماه.


8. پورمحمدی، س.، م. ر. اختصاصی و م. ح. رحیمیان. 1394. شناسایی و تفکیک واریزه‌های آهکی از سازندهای غیرآهکی با کاربرد تلفیقی علوم دورسنجی و مشخصات لیتولوژی (مطالعۀ موردی: منطقه بهادران در استان یزد). نشریه زمین­شناسی مهندسی، 9(4): 3113-3130.


9. پیر نظر، م. و آ. زند کریمی. 1394. راهنمای کاربردی نرم­افزار ENVI و پردازش تصاویر ماهواره­ایENVI 5.1 . انتشارات ناقوس. 242 صفحه.


10. پیروان، ح. ر.، ج. غیومیان، ص. ا. امینی و م. لطفی. 1382. شناسایی و تفکیک زون­های آلتراسیون هیدروترمال و     سنگ­های ماگمایی با استفاده از فن و دانش سنجش از دور. پژوهش و سازندگی، 16(3): 80-87.


11. پیروزفر، پ. و س. مهدی­زاده تهرانی. 1384. تهیه نقشه واحدهای سنگی در مقیاس 1:20000 لدر منطقه پنج کوه دامغان، با بهره‌گیری از تلفیق داده‌های ماهواره‌ای ندست و IRS. مجموعه مقالات بیست و چهارمین گردهمایی علوم زمین. تهران - سازمان زمین­شناسی. 8 الی 10 اسفند ماه.


12. حیات الغیبی، ف. و ت. نبئی. 1393. تفکیک نواحی دگرسان­شده شمال قزوین با استفاده از پردازش داده­های ماهواره­ای لندست 7 (ETM⁺). مجموعه مقالات هشتمین همایش ملی تخصصی زمین­شناسی دانشگاه پیام­نور. اراک - دانشگاه پیام­نور اراک. 1 الی 2 آبان ماه.


13. حیدریان، پ.، ک. رنگزن، س. ملکی و ا. تقی­زاده. 1392. پایش تغییرات کاربری اراضی با استفاده از روش مقایسه پس از طبقه‌بندی تصاویر ماهواره لندست (مطالعة موردی: اراضی شهر تهران). سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 4(4): 1-10.


14. درویش­صفت، ع. ا. و ش. شتایی جویباری. 1376. تهیۀ نقشه جنگل به کمک داده­های لندست TM به روش رقومی. مجله منابع طبیعی ایران، 50(2): 35-40.


15. دویران، م.، ر. قوامی ریابی، ع. مقصودی و ر. قزلباش. 1396. استفاده از تصاویر ASTER جهت شناسایی آلتراسیون­های هیدروترمال در شمال گسل درونه، ورقه 1:100000 فیض­آباد. مجموعه مقالات دهمین همایش ملی زمین­شناسی دانشگاه پیام­نور. تبریز - دانشگاه پیام­نور استان آذربایجان شرقی- مرکز تبریز. 13 الی 14 اردیبهشت ماه.


16. راهداری، و.، س. ملکی نجف­آبادی و م. رهنما. 1388. مقایسه روش­های طبقه­بندی تصاویر ماهواره (نظارت شده و نظارت نشده) در تهیه نقشه کاربری و پوشش اراضی مناطق خشک و نیمه­خشک (مطالعه موردی پناهگاه حیات وحش موته). مجموعه مقالات همایش ژئوماتیک 88. تهران، سازمان نقشه­برداری کشور. 20 الی 21 اردیبهشت ماه.


17. رنگزن، ک.، ع. زراسوندی و ع. مهرابی. 1386. تعیین ارتباط بین کانه­زائی مس و عناصر ساختاری به منظور تعیین مناطق با پتانسیل مناسب با استفاده از تکنیک­های سنجش از دور و GIS، مطالعه موردی منطقه شهر بابک، استان کرمان. مجله علوم دانشگاه شهید چمران اهواز، 17: 16-32.


18. ساروئی، س. 1378. بررسی امکان طبقه­بندی جنگل به لحاظ تراکم در جنگل­های زاگرس به کمک داده­های ماهواره­ای. پایان نامه کارشناسی ارشد، دانشگاه تهران. 110 صفحه.


19. سروی، ف. 1393. تفکیک واحدهای سنگ­شناسی با استفاده از تکنیک نقشه­بردار زاویه طیفی در محدوده داده­های گرمایی (TIR) سنجنده استر، مطالعه موردی بخش میانی کمربند دهج ساردوئیه کرمان. مجموعه مقالات هشتمین همایش ملی تخصصی زمین­شناسی دانشگاه پیام­نور. اراک – دانشگاه پیام­نور اراک. 1 الی 2 آبان ماه.


20. شهریاری، س.، م. عزیززاده، س. شایان و و. ا. سجادیان. 1386. کارایی مطالعات سنجش از دور در مدل‌سازی مخازن هیدروکربوری گستره جنوب باختری ایران: مطالعه موردی از سازند آسماری. برنامه­ریزی و آمایش فضا، 11(53): 183-214.


21. صابری، ا. و ا. منصف. 1394. بارزسازی مناطق دگرسانی با استفاده از تصاویر سنجنده­های ASTER و OLI در منطقه علی­آباد، استان یزد. مجموعه مقالات اولین کنفرانس بین­المللی علوم جغرافیایی. شیراز - موسسه عالی علوم و فناوری خوارزمی. 15 مرداد ماه.


22. صفری، م.، ع. هوشمند و ح. حسنی. 1394. مطالعات دورسنجی جهت تفکیک نواحی دگرسانی در برگه 1:100000 فردوس خراسان جنوبی. مجموعه مقالات اولین کنفرانس ملی مهندسی فناوری اطلاعات مکانی. تهران - دانشکده مهندسی نقشه­برداری دانشگاه صنعتی خواجه نصیرالدین طوسی. 29 الی 30 دی ماه.


23. عسگرزاده، پ.، ع. درویشی بلورانی، ح. ع. بهرامی و س. حمزه. 1395. مقایسة برآورد دمای سطح زمین در روش­های تک­باندی و چندباندی با استفاده از تصویر لندست 8. سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 7(3): 18-29.


24. علوی­پناه، ک. 1388. سنجش از دور حرارتی و کاربرد آن در علوم زمین. انتشارات دانشگاه تهران. 524 صفحه.


25. فاطمی، س. ب. و ی. رضایی. 1393. مبانی سنجش از دور. انتشارات آزاده. 296 صفحه.


26. فرهمند، ح.، م. ع. آرین و ح. خاکزاد. 1394. شناسایی واحدهای ساختاری و زمین­شناسی منطقه میانراهان با استفاده از سیستم اطلاعات جغرافیایی (GIS) و سنجش از دور (RS). کنفرانس بین­المللی علوم و مهندسی. امارت - دبی - موسسه ایده­پرداز پایتخت ویرا. 10 آذر ماه.


27. قائد­رحمتی، ر.، ن. فتحیان­پور، و ح. امیری. 1386. تفکیک واحدهای سنگی ناحیه ایران‌کوه اصفهان با استفاده از الگوریتم تهیه تصاویر طبقه‌بندی شده داده‌های ماهواره‌ای ناحیه. زمین­شناسی مهندسی، 2(2): 395-413.


28. مختاری، ا.، ج. غیومیان و س. فیض­نیا. 1384. تفکیک واحدهای سنگ­شناسی با استفاده از تحلیل­های همبستگی غیرخطی داده­های ماهواره­ای لندستETM⁺. مجموعه مقالات چهارمین همایش زمین­شناسی مهندسی و محیط زیست ایران. تهران، دانشگاه تربیت مدرس. 4 الی 6 اسفند ماه.


29. مسعودی، س. م.، ف. فریدونی و ع. ا. متکان. 1389. کاربرد سنجش از دور در پی­جویی پومیس در پیرامون قله دماوند. علوم زمین، 19(76): 3-8.


30. میرزایی­زاده، و.، م. نیک­نژاد و ج. اولادی قادیکلایی. 1394. ارزیابی الگوریتم­های طبقه­بندی نظارت شده غیرپارامتریک در تهیة نقشه پوشش زمین با استفاده از تصاویر لندست 8. سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 6(3): 29-44.

1. Al-Ahmadi F, Hames A. 2009. 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. Earth, 20(1): 167-191.


2. Amer R, Kusky T, Ghulam A. 2010. Lithological mapping in the Central Eastern Desert of Egypt using ASTER data. Journal of African Earth Sciences, 56(2-3): 75-82


3. Dalati m. 2000. application of remote sensing to geology tectonic and mineral exploration case study: EL-Rouge Depression. In: Proceedings of the Fourteenth International Conference, Applied Geologic Remote Sensing. Las Vegas, Nevada, USA. 6-8 November.


4. Girouard G, Bannari A, El Harti A, Desrochers A. 2004. Validated spectral angle mapper algorithm for geological mapping: comparative study between QuickBird and Landsat-TM. In: XXth ISPRS Congress, Geo-Imagery Bridging Continents. Istanbul, Turkey. 12-23 July.


5. Gomez C, Delacourt C, Allemand P, Ledru P, Wackerle R. 2005. Using ASTER remote sensing data set for geological mapping, in Namibia. Physics and Chemistry of the Earth, Parts A/B/C, 30(1-3): 97-108.


6. Huang C, Davis L, Townshend J. 2002. An assessment of support vector machines for land cover classification. International Journal of Remote Sensing, 23(4): 725-749.


7. Jensen J. 2005. Introductory digital image processing: A remote sensing perspective (3rd ed.) Upper Saddle River, NJ: Prentice Hall. 526 pp.


8. Jensen J. 1986. Introductory digital image processing: A remote sensing perspective. 3^rd ed. prentice hall , Inc. old tappan , NJ. University of South Carolina, Columbus. 544 pp.


9. Lu D, Weng Q. 2007. A survey of image classification methods and techniques for improving classification performance. International Journal of Remote Sensing, 28(5): 823-870.


10. Masser I. 2001. Managing our urban future: the role of remote sensing and geographic information systems. Habitat International, 25(4): 503-512.


11. Ninomiya Y, Fu B, Cudahy TJ. 2005. Detecting lithology with Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) multispectral thermal infrared “radiance-at-sensor” data. Remote Sensing of Environment, 99(1-2): 127-139.


12. Otukei JR, Blaschke T. 2010. Land cover change assessment using decision trees, support vector machines and maximum likelihood classification algorithms. International Journal of Applied Earth Observation and Geoinformation, 12: 27-31.


13. Prates-Clark CDC, Saatchi SS, Agosti D. 2008. Predicting geographical distribution models of high-value timber trees in the Amazon Basin using remotely sensed data. Ecological Modelling, 211(3-4): 309-323.


14. Richards JA. 1999. Remote Sensing Digital Image Analysis. Springer-Verlag, Berlin, 240 pp.


15. Richards JA. 2012. Remote sensing digital image Analysis: An introduction. 2^nd ed, Springer Science & Business Media. 494 pp.


16. Sheffield C. 1985. Selecting band combinations from multispectral data. Photogrammetric Engineering and Remote Sensing, 51: 681-687.


17. Singh P, Gupta A, Singh M. 2014. Hydrological inferences from watershed analysis for water resource management using remote sensing and GIS techniques. The Egyptian Journal of Remote Sensing and Space Science, 17(2): 111-121.


18. Souza Filho PWM, Paradella WR. 2005. Use of RADARSAT-1 fine mode and Landsat-5 TM selective principal component analysis for geomorphological mapping in a macrotidal mangrove coast in the Amazon Region. Canadian Journal of Remote Sensing, 31(3): 214-224.


19. Wentz EA, Stefanov WL, Gries C, Hope D. 2006. Land use and land cover mapping from diverse data sources for an arid urban environments. Computers, Environment and Urban Systems, 30(3): 320-346.