شناسایی گنبدهای نمکی منطقه راور، استان کرمان با استفاده از روش پلاریمتری راداری تصاویر Palsar و تحلیل تصاویر چندطیفی Sentinel 2 و Aster

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 1,223

فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_GIRS-11-2_005

تاریخ نمایه سازی: 4 شهریور 1399

چکیده مقاله:

پیشینه و هدف گنبد­های نمکی یکی از جالب­ترین پدیده ­های ژئومورفیک است که علاوه بر جاذبه ­های گردشگری، دارای منابع معدنی مختلف بوده و می­تواند 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 گنبد­های 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 گنبد­های 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 گنبد­های 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 ها روش ­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 باند­های حرارتی سنجنده Aster استفاده شد، به طوری­که با قرار دادن باند­های 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 ماهواره­ای 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 واحد­های 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 واحد­های 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 گنبد­های نمکی، نمک­ های ثانویه ناشی از هوازدگی و فرسایش این گنبد­ها را نیز نشان می ­دهد. از آنجایی که ترکیب گنبد­های نمکی رخنمون یافته در حوزه نمکی راور متفاوت هستند، به طوری که در یکسری از این گنبد­ها 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 آن­ها 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 باند­های 12، 11 و 13 به ترتیب درکانال­ های قرمز، سبز و آبی، ترکیب رنگی ویژه­ ای 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 شده ­اند. 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 داده­ ها بین عدد صفر و 1 نرمال­ سازی شد. هر چه اعداد مذکور به عدد یک نزدیک­تر شوند، زبری ناشی از فرسایش­ پذیری سطوح بیشتر خواهد بود. در نتیجه مناطقی که در تصویر به رنگ قرمز درآمده­ اند قاعدتا 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 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 کانی ­های 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 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 گنبد­های نمکی هم­خوانی خوبی دارند، علاوه بر اینکه با انجام بازدید­های میدانی صحت نتایج به اثبات رسید.

نویسندگان

علی مهرابی

استادیار گروه جغرافیا و برنامه ریزی شهری، دانشکده ادبیات و علوم انسانی، دانشگاه شهید باهنرکرمان، کرمان، ایران

صادق کریمی

استادیار گروه جغرافیا و برنامه ریزی شهری، دانشکده ادبیات و علوم انسانی، دانشگاه شهید باهنرکرمان، کرمان، ایران

فاطمه نقدی

دانشجوی کارشناسی ارشد مخاطرات محیطی، گروه جغرافیا و برنامه ریزی شهری، دانشکده ادبیات و علوم انسانی، دانشگاه شهید باهنرکرمان،

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Abdolahi M, Qishlaqi A, Abasnejad A. 2015. Environmental hydro geochemistry ...
  • Aghanabati S A. 2003. Geology of Iran. Geological Survey of ...
  • Alexakis D, Daliakopoulos I, Panagea I, Tsanis I. 2018. Assessing ...
  • Almodaresi SA, Hatami J, Sarkargar A. 2016. Calculating the physical ...
  • Asfaw E, Suryabhagavan KV, Argaw M. 2016. Soil salinity modeling ...
  • Campbell B A. 2002. Radar remote sensing of planetary surfaces. ...
  • Choe B. 2017. Polarimetric synthetic aperture radar (SAR) application for ...
  • Collingwood A, Treitz P, Charbonneau F. 2014. Surface roughness estimation ...
  • Dehaan R, Taylor G. 2003. Image-derived spectral endmembers as indicators ...
  • Gorji T, Sertel E, Tanik A. 2017. Monitoring soil salinity ...
  • Gupta RP. 2017. Remote sensing geology. Springer, 428 p. ...
  • Harrington E, Shaposhnikova M, Neish C, Tornabene L, Tornabene L, ...
  • Jahani S, de Lamotte DF, Letouzey J. 2009. Salt Activity ...
  • Khaier F. 2003. Soil salinity detection using satellite remote sensing. ...
  • Maleki M, Tavakkoli Sabour S M, Zeaieanfirouzabadi P, Raeisi M. ...
  • Martín‐Martín J, Vergés J, Saura E, Moragas M, Messager G, ...
  • Mehrabi A, Pourkhosravani M. 2018. Identification of the geomorphological landscape ...
  • Mehrabi A. 2018. Identification of the new and active buried ...
  • Morshed MM, Islam MT, Jamil R. 2016. Soil salinity detection ...
  • Motamedi H, Sepehr M, Sherkati S, Pourkermani M. 2011. Multi‐phase ...
  • Pourkaseb H, Demiri K, Rangzan K, Saiedi S. 2013. The ...
  • Saiedian R, Honarmand M, Hasanzadeh R, Hosseinjanizadeh M. 2017. The ...
  • Shayan S, Zare G, Sharifikia M, Amiri S. 2012. Identification ...
  • Taghadosi MM, Hasanlou M, Eftekhari K. 2019. Retrieval of soil ...
  • Tayebi MH, Tangestani MH, Roosta H. 2013. Mapping salt diapirs ...
  • Van der Meer FD, van der Werff HMA, van Ruitenbeek ...
  • Yellala A, Kumar V, Høgda KA. 2019. Bara Shigri and ...
  • Zarekamali M, Almodaresi S A, Naghdi K. 2017. Comparing the ...
  • نمایش کامل مراجع