تعیین مقدار کربن آلی کل با استفاده از تصویر ماهواره ای و مدل شبکه عصبی مصنوعی(منطقه مورد مطالعه: کوه میش شهرستان گچساران)

محورهای موضوعی : کاربرد GIS&RS در اقلیم

کامران مجرد ¹

1 - کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی ،دانشگاه خوارزمی،تهران،ایران

تاریخ دریافت : 1400/09/21 تاریخ پذیرش : 1401/01/14 تاریخ انتشار : 1400/09/30

کلید واژه: شبکه عصبی مصنوعی, تصاویر ماهواره‌ای, سنجش از دور, سنگ منشاء, کربن آلی کل,

چکیده مقاله :

مقدار کربن آلی کل موجود در سنگ منشاء منابع هیدروکربن یکی از پارامتر های حائز اهمیت در ارزیابی آن است. بنابراین لازم است تا با روشی خصوصیات سنگ منشاء برآورد گردد. برای برآورد خصوصیات سنگ منشاء روش‌های مختلفی وجود دارد. یکی از ابتدایی‌ترین روش‌ها استفاده از روش سنتی است که بسیار هزینه‌بر و زمان‌بر می‌باشد، لذا محققان به دنبال روش‌های کاراتر می‌باشند. با توجه به پتانسیل بالای سنجش از دور و محدوده‌های طیفی VIR,VNIR این امکان فراهم تا خصوصیات سنگ منشاء را در سطح وسیع‌تری و با هزینه کمتر برآورد نمود. روش‌های کمی و کیفی مختلفی جهت ایجاد ارتباط بین مقدار غلظت عناصر سنگ منشاء و طیف حاصل از داده‌های سنجش از دور موجود می‌باشد. که در این تحقیق سعی در برآورد مقدار غلظت کربن آلی کل سنگ منشاء با استفاده از تصویرسنجنده OLI لندست 8 و با بهره‌گیری از مدل شبکه عصبی مصنوعیMLP شده است.بدین منظور باند 5 محدوده طیفی(885/0-845/0) با ضریب همبستگی پیرسون 62/0 بهترین ورودی برای شبکه عصبی انتخاب شده است. شبکه عصبی مصنوعی با تعداد 5 نورون در لایه مخفی با 79/0R2= و0081/0 RMSE= برای تهیه نقشه کربن آلی کل انتخاب گردید.

چکیده انگلیسی:

The amount of Total Organic Carbon (TOC) is one of the most important parameter in evaluating hydrocarbon source rocks. Therefore, it is necessary to estimate of source rock by a method. There are several methods for estimating the of source rocks. One of the earliest methods is the traditional method, which is very expensive and time consuming, so researchers are looking for more efficient methods. Given the high potential of remote sensing and spectral VIR spectra, the VNIR makes it possible to estimate the characteristics of the origin rock at a lower cost basis. Different quantitative and qualitative methods are used to establish a relationship between the concentration of rock elements and the spectrum obtained from remote sensing data. In this study, we tried to estimate the total organic carbon content of the total origin rock using the OLI Landsat 8 image sensor and using the MLP artificial neural network model. For this purpose, the band of 5 spectral ranges (0.845-0.8585) with Pearson correlation coefficient of 0.62 was chosen for the neural network. An artificial neural network with neurons in the secret layer with R2 = 0.79 and RMSE = 0.0008 were selected to generate a total organic carbon map.