تحليل مؤلفه‌هاي اصلي بر روي داده‌هاي لندست ـ TM با هدف بارزسازي رخنمون‌هاي هيدروكسيدي و آلودگي‌هاي اكسيد آهن در منطقه مشايخ ـ نودان، غرب شيراز

خلاصه مطالب:
     تحليل مؤلفه‌هاي اصلي بر روي 6 و 4 باند TM با هدف بارزسازي آلودگي‌هاي اكسيد آهن و هاله‌هاي هيدروكسيدي (روش كروستا) در منطقه مشايخ ـ نودان واقع در غرب شيراز آزمايش شده است. در هر دو روش مطالعه 6 و 4 باندي رابطه eigenvector loadings و باندهاي مجزاي مرئي و بازتابي به گونه‌‌اي است كه مؤلفه اول آنها بيانگر سپيدايي عمومي صحنه، مؤلفه دوم مربوط به اختلاف باندهاي مرئي و فروسرخ و مؤلفه سوم نشان دهنده پوشش گياهي مي‌باشد. پديده‌هاي كم اهميت‌تر منطقه مانند آلودگي‌هاي مورد نظر اين مطالعه در مؤلفه‌هاي بعدي متمركز شده‌اند. تصوير تركيب رنگي از تصويرهاي هاله‌هاي دگرساني تنها آلودگي‌هاي اكسيد آهن را بارز مي‌سازد كه به نظر مي‌رسد ناشي از عدم سيمان‌شدگي آنها باشد.
 
   پيش گفتار:
     روش جديد و ساده‌اي براي نقشه‌برداري دگرساني‌ها با استفاده از داده‌هاي TM ماهواره لندست و داده‌هاي ATM در سال 1991 پيشنهاد گرديد (Loughlin, 1991). اين فن، سريع و قابل اطمينان بوده و نيازي به تصيح جوي يا راديومتري ندارد و با استفاده از نرم‌افزار «تحليل مؤلفه‌هاي اصلي» (Principal Components Analysis) انجام مي‌شود. اين فن تنها به اطلاعاتي مقدماتي درباره خواص طيفي كاني‌ها و پوشش گياهي نياز داشته و مبتني بر توانايي تبديل مؤلفه اصلي در نقشه‌برداري جزئيات واريانس داده‌ها در مؤلفه‌هاي متوالي است. روش به كار رفته در اين مقاله برپايه بررسي eigenvector loadings مؤلفه‌هاي اصلي تصميم مي‌گيرد كه كدام يك از تصويرهاي مؤلفه اصلي اطلاعات مربوط به نشان‌هاي طيفي هدف‌هاي خاصي را به طور مستقيم متمركز مي‌كند. اين روش براي اولين بار توسط Crosta and McM.Moore, 1989 پيشنهاد گرديد. از جنبه‌هاي مهم اين رهيافت اين است كه پيش‌بيني مي‌كند آيا يك هدف خاص در تصوير مؤلفه اصلي مربوطه، با پيكسل‌هاي تيره مشخص مي‌شود يا با پيكسل‌هاي روشن. فن توسعه يافته اين رهيافت مبتني بر برونداد انتخابي چهار باند براي PCA است.
   زيرصحنه‌اي به ابعاد 2034*1878 پيكسل از ربع سوم فريم 039/163 لندست TM مربوط به ارتفاعات غربي شيراز واقع در منطقه مشايخ ـ نودان انتخاب شده و مورد آزمايش قرار گرفته است. اين تصوير در تاريخ دهم سپتامبر 1990 تهيه شده است. منطقه مورد نظر نيمه خشك بوده و داراي پوشش گياهي نيمه متراكم جنگلي و زراعتي است و از نظر زمين‌شناسي در زون زاگرس چين‌خورده قرار مي‌گيرد. رخنمون‌هاي اصلي شامل سنگ آهك‌هاي آسماري، شيل‌هاي پابده گورپي، آهك‌هاي رسي سروك، آهك‌هاي گروه خامي در بخش‌هاي مركزي، شرقي و شمالي منطقه همراه با مارن‌هاي ميشان و تبخيري‌هاي گچساران در بخش غربي آن است. آلودگي‌هايي از اكسيد آهن در رسوبات كواترنر نواحي شمالي نودان پيش از اين گزارش شده است (مجيد هاشمي تنگستاني و فريد مر، 1377). خطواره كازرون با راستايي شمالي ـ جنوبي از همين منطقه گذر مي‌كند.
 
متن اصلي:
     تحليل مؤلفه‌هاي اصلي براي شش باند TM
جدول 1 ليستي از eigenvalues (كه نشان‌دهنده واريانس در حال كاهش مؤلفه‌هاي اصلي مي‌باشد) و eigenvector loadings تبديل مؤلفه‌هاي اصلي با استفاده از ماتريس كوواريانس شش باند بازتابي در زير صحنه مورد مطالعه را نشان مي‌دهد. اين تبديل بر روي داده‌هاي خام انجام شده است.


جدول1-تحليل مولفه هاي اصلي بر روي شش باند TM زير صحنه مشايخ -نودان داده هاي خام

در اين تبديل، اولين مؤلفه اصلي (PC1) داراي وزني مثبت از تمام باندها است. همان گونه كه eigevnalues نشان مي‌دهند، PC1 داراي 65/91 درصد كل واريانس براي داده‌هاي خام مي‌باشد. روشنايي كلي صحنه يا سپيدايي (albedo) مسئول همبستگي شديد بين كانال‌هاي تصوير چندطيفي است و PCA به طوري مؤثر اين مطلب را در PC1 نشان مي‌دهد.
بررسي مقدار و علامت (مثبت يا منفي) eigenvector loadings نشان خواهد داد كه كدام خواص طيفي پوشش گياهي، سنگ‌ها و خاك‌ها مسئول واريانس آماري مشخص شده در هر PC است و اين مطلب اساس رهيافت كروستاومك مور (1989) مي‌باشد. Eigenvector loadings مربوط به PC2 در جدول 1 نشان‌دهنده اختلاف بين كانال‌هاي مرئي (TM3, TM2, TM1) و كانال‌هاي فروسرخ مياني (TM5, TM7) است زيرا با علامت‌هاي متفاوت ديده مي‌شوند، هر چند براي TM4 اين مقدار به صفر نزديك شده است. موادي كه بيشترين بازتابش در ناحيه طيفي مرئي دارند در PC2 به صورت روشن‌ترين پيكسل‌ها ظاهر خواهند شد (علامت مثبت) و آنهايي كه بيشترين بازتابش در فروسرخ مياني دارند به صورت تيره‌ترين پيكسل‌هها ديده خواهند شد (علامت منفي).
eihenvector loadings براي PC3 در جدول 1 نشان مي‌دهد كه اين مؤلفه توسط پوشش گياهي غالب شده است كه بازتاب شديدي در TM4 دارد. علامت مثبت در بار اين مؤلفه براي TM4 همچنين نشان مي‌دهد كه پيكسل‌هاي با پوشش گياهي متراكم در اين تصوير PC، روشن خواهند بود. اينك كه سپيدايي در PC1 و اختلاف‌هاي مرئي و فروسرخ و پوشش گياهي در PCهاي 2 و 3 ثبت شده‌اند، مي‌توان انتظار داشت كه سه PC باقيمانده شامل اطلاعاتي ناشي از واكنش طيفي مختلف اكسيدهاي آهن (جذب در باندهاي مرئي 1 و 2 و بازتابش بيشتر در TM3) و كاني‌هاي OHدار (جذب در TM7، بازتاب بيشتر در TM5) باشند. در ضمن جستجوي eigenvector loadings متوسط يا بزرگ براي TM2 و TM3 در PCهايي كه اين بارها از نظر علامت نيز مخالف باشند، مي‌توان پيش‌بيني كرد كه اكسيدهاي آهن از طريق پيكسل‌هاي تيره در PC6 و پيكسل‌هاي روشن در PC4 قابل تشخيص باشند.
كاني‌هاي OHدار به صورت پيكسل‌هاي تيره در PC5 ثبت مي‌شوند زيرا سهم آنها در TM5 با علامت منفي و در TM7 با علامت مثبت مي‌باشد. از نظر تئوري، هيدروكسيدها بايستي بازتاب شديدي (مثبت) در TM5 و بازتاب ضعيفي (منفي) در TM7 داشته باشند. اين گونه تحليل مؤلفه‌ها در جداسازي بدون ابهام كاني‌هاي اكسيد آهن و هيدروكسيدي در يك تصوير PC جداگانه ناموفق است. اگر تعداد كانال‌هاي برونداده كاهش داده شود، شانس تعيين يك PC مشخص براي كلاس كاني خاص افزايش خواهد يافت (Loughlin, 1991). PCA بر روي چهار باند ـ نقشه‌برداري هيدروكسيد
جدول 2 تبديل مؤلفه‌هاي اصلي بر روي داده‌هاي خام باندهاي 1، 4، 5 و 7 TM مربوط به منطقه مطالعاتي را نشان مي‌دهد. باندهاي 2 و 3 به طور آگاهانه حذف شده‌اند تا نقشه‌برداري، اكسيدهاي آهن حذف شود. با دنبال كردن فرايند منطقي پيش گفته مي‌توان پيش‌بيني كرد كه PC1 سپيدايي تصوير، PC2 كنتراست بين ناحيه SWIR و مرئي، PC3 پوشش گياهي و PC4 نشان‌دهنده كاني‌هاي هيدروكسيددار به صورت پيكسل‌هاي تيره مي‌باشد.
روش ساده براي نقشه‌برداري هيدروكسيد از طريق PCA باندهاي 1، 4، 5 و 7 سنجنده TM بررسي بارهاي eigenvectors براي باندهاي 5 و 7 در هر دو PC3 و PC4 به منظور يافتن اينكه كدام يك داراي بار متوسط يا قوي از اين دو باند با علامت مخالف است مي‌باشد. فقط PCهايي كه در آنها TM7 بار مثبت دارد (PC4) منفي شده تا پيكسل‌هاي ناهنجاري‌ها به رنگ روشن ديده شوند. بدين ترتيب تصوير را مي‌توان تصوير هيدروكسيد (H) ناميد.


جدول 2-تحليل مولفه هاي اصلي براي نقشه برداري هيدروکسيد

PCA بر روي چهار باند ـ نقشه‌برداري اكسيد آهن
جدول 3 تبديل مؤلفه‌هاي اصلي بر روي باندهاي خام 1، 3، 4 و 5 سنجنده TM مربوط به زيرصحنه مشايخ ـ نودان را نشان مي دهد. حذف باند 7 به منظور اجتناب آگاهانه از نقشه‌برداري هيدروكسيد بوده است. باند 5 نيز مي‌تواند جايگزين باند 7 شود. PCها را مي‌توان به صورت سپيدايي در IR,PCI در مقابل طول موج مرئي در PC2، پوشش گياهي در PC3 و اكسيد آهن را به شكل پيكسل‌هاي تيره در PC4 (مقدار بار –0.84 = eigenvector در TM3) تفسير كرد.
قواعد نقشه‌برداري اكسيد آهن شبيه به نقشه‌برداري هيدروكسيد است. مقدار بارهاي eigenvector براي TM1 و TM3 در PC3 يا PC4 بايستي متوسط يا قوي و از نظر علامت مخالف باشد. براي نشان دادن اكسيدهاي آهن به صورت پيكسل‌هاي روشن، تصوير PC4 با بارهاي منفي از TM3 را بايستي منفي كرد. چنين تصويري را تصوير اكسيد آهن (F) مي‌نامند.


جدول 3-تحليل مولفه هاي اصلي براي نقشه برداري اکسيد آه
 
نتيجه گيري:
     تصويرهاي تكرنگ هيدروكسيد و اكسيد آهن توليد شده توسط PCA چهار باند براي تفسير ساده هستند چرا كه تمركز نابهنجار هر كاني توسط روشنترين پيكسل‌ها (پس از منفي كردن تصوير) نشان داده شده است. مشاهدات صحرايي نشان مي‌دهد كه تصوير هيدروكسيدي به طور عمده رخنمون شيل‌هاي پابده گورپي و مارن‌هاي ميشان را بارز نموده و تصوير اكسيد آهن، آلودگي‌هاي سطحي واقع در رسوبات كواترنري جنوب مشايخ و برخي آبرفت‌هاي جوان نواحي مركزي و جنوبي منطقه را در PC4 به صورت پيكسل‌هاي تيره نمايان مي‌سازد.
   از ديدگاه نظري تصويرهاي دگرساني ايجاد شده كه تصويرهاي كروستا نيز خوانده مي‌شوند (Loughlin, 1991) مي‌توانند پس از منفي كردن تصويرها با هم جمع شده و تصوير جديد توليد كنند (تصوير H+F) كه در آن، پيكسل‌هاي با تمركز نابهنجاري مربوط به هيدروكسيدها و اكسيدهاي آهن روشنترين پيكسل‌ها باشند. به دليل نبود آلودگي‌هاي شديد آهن در منطقه اين روشنايي براي اكسيدهاي آهن از شدت زيادي برخوردار نيست. شناسايي اين نابهنجاري در تصوير F به سادگي بيشتري امكان‌پذير خواهد بود.
   تركيب‌هاي متفاوتي از تصويرهاي PCA دگرساني امكان‌پذير است كه تركيب H+F, H و F به صورت سرخ، سبز، آبي پيش از اين پيشنهاد شده است (Loughiln, 1991). با توجه به نياز نرم‌افزاري، اين سه تصوير ابتدا از فرمت Interger-binary به فرمت Byte-binary تبديل و سپس در توليد تصوير تركيب رنگي با روش پيشنهادي فوق همراه با بسط به ميزان 5/2 درصد دخالت داده شدند. آلودگي‌هاي آهن منطقه مشايخ و برخي رسوبات آبرفتي نواحي جنوبي‌تر به رنگ سبز روشن تا فيروزه‌اي به خوبي واضح شده و قابل نقشه‌برداري مي‌باشد اما شيل‌هاي پديده گورپي را نمي‌توان در اين تركيب رنگي شناسايي كرد. تركيب رنگي H+F, H و F به صورت سبز، آبي و سرخ نيز تنها آلودگي‌هاي اكسيد آهن را به رنگ آبي تيره مايل به سرخ بارز كرده و براي آشكارسازي رخنمون‌هاي شيلي كاربردي ندارد به نظر مي‌رسد از دلايل مهم بارز شدن آلودگي‌هاي اكسيد آهن اين باشد كه جزئي از رسوبات سيمان نشده مي‌باشند در حالي كه شيل‌هاي پابده گورپي به طور عمده به شكل توده‌هايي سنگي رخنمون يافته‌اند.
   تفسيرپذيري مؤلفه‌هاي اصلي براساس eigenvector loadings آنها درمنطقه مشايخ ـ نودان با روش پيشنهادي كروستا همبستگي نزديكي را نشان مي‌دهد. اين روش اطلاعات مفيدي از آلودگي‌هاي اكسيد آهن را در تصوير تركيب رنگي به دست مي‌دهد. رخنمون‌هاي شيلي تنها در مؤلفه‌هاي جداگانه قابل بارزسازي است. تركيب رنگي 2-4-7 به صورت RGB اين رخنمون‌ها را بهتر شناسايي مي‌كند.
   تشكر و قدرداني
   بدين وسيله از شوراي پژوهشي دانشگاه شيراز به خاطر تصويب طرح تحقيقاتي شماره 638 ـ 1131 ـ SC ـ 77 كه موجبات انجام اين بررسي را فراهم آورد تشكر و قدرداني مي‌شود.
 
منابع:
     1ـ هاشمي‌تنگستاني، م. و مر، ف (1377). كاربرد داده‌هاي رقومي نقشه‌بردار موضوعي (TM) ماهواره لندست در نمايان‌سازي واحدهاي سنگ شناسي و هوازده منطقه ممسني ـ كازرون، استان فارس، فشرده مقالات دومين همايش انجمن زمين‌شناسي ايران، 550-546.
   2.Crosta, A.P., and J.McM.Moore (1989). Enhancement of Landsat Thematic Mapper Imagery for Residual Soil Mapping in SW Minais Gerais State, Brazil: A prospecting Case History in Greenstone Belt Terrain. Proccedings of the 7th (ERIM) Themtic Conference: Remote Sensing for Exploration Geology, 2-6 Oct, 1173-1187.
   3.Loughlin, W.P. (1991). Principal Component Analysis for Alteration Mapping, Photogrammetric Engineering & Remote Sensing, 57, No.9, 1163-1169.
 
اصل مقاله