چکیده مقاله
هدف اصلی این پژوهش، توسعه مدلی دقیق برای شناسایی و پیش بینی مناطق معدنی حاوی مگنتیت با بهره گیری از داده های سنجش از دور و الگوریتم های یادگیری ماشین است در این راستا، از تصاویر ماهواره ای لندست ۷ و ۹ در دو بازه زمانی ۲۰۰۴ و ۲۰۲۴ استفاده شد داده های خام پس از پیش پردازش، با روش های ترکیب رنگی کاذب FCC ، نسبت باند BR ، تحلیل مولفه های اصلی PCA و نقشه برداری زاویه طیفی SAM تحلیل شدند سپس برای طبقه بندی و پیش بینی مناطق معدنی و غیرمعدنی، مدل ماشین بردار پشتیبان SVM به کار گرفته شد نتایج حاصل نشان داد که مدل SVM با دقت کلی ٪ ۹۶٫۱۶ و ضریب تبیین R² برابر ٪ ۸۲٫۱۷ عملکرد مطلوبی در شناسایی نواحی غنی از مگنتیت دارد معیارهای ارزیابی شامل precision، recall و F۱ score نیز بیانگر دقت بالا و قابلیت اعتماد مدل بودند نتایج نهایی حاکی از آن است که ترکیب روش های سنجش از دور و یادگیری ماشین می تواند به عنوان ابزاری کارآمد برای اکتشاف معادن آهن در مقیاس وسیع مورد استفاده قرار گیرد
کلیدواژه‌ها
نویسندگان
زهره حبیبی جزی
دانشجوی کارشناسی ارشد مهندسی سنجش از دور، دانشکده مهندسی عمران و نقشه برداری، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان
علی اسماعیلی
دانشیار، دانشکده مهندسی عمران و نقشه برداری، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان
فرزین شاه محمدی
دانشجوی کارشناسی ارشد مهندسی سنجش از دور، دانشکده مهندسی عمران و نقشه برداری، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان
شیوه ارجاع
�بیبی جزی، زهره و اسماعیلی، علی و شاه محمدی، فرزین،1404،کاربرد سنجش از دور در شناسایی مناطق حاوی اکسید آهن (مگنتیت) با استفاده از الگوریتم SAM و Machine Learning (مطالعه موردی: روستای داوران، شهرستان رفسنجان، کرمان)،بیست و نهمین همایش و نمایشگاه ملی مهندسی نقشه برداری و اطلاعات مکانی ژئوماتیک ۱۴۰۴ و پنجمین نمایشگاه بین المللی ایران ژئو،تهران
ارائه‌شده در
مجموعه مقالات بیست و نهمین همایش و نمایشگاه ملی مهندسی نقشه برداری و اطلاعات مکانی ژئوماتیک ۱۴۰۴ و پنجمین نمایشگاه بین المللی ایران ژئو29 آبان 1404 · تهران