رویکرد اعتبار سنجی بهبود استخراج خط تکتونیکی با استفاده از تصاویر Sentinel 2A و فیلترهای پیش‌وایت دو جهته 3×3 اصلاح شده. مطالعه موردی: گرومبالیا، تونس

 

در این مطالعه، از فیلترها برای استخراج خطوط تکتونیکی جهت دار و در نتیجه آشکارسازی وجود گسل یا شکستگی در تصاویر ماهواره ای استفاده می شود. فرآیند استخراج ابتدا شامل حذف سایر انواع مختلف خطواره ها (به عنوان مثال حد سنگ شناسی، خط الراس، شبکه هیدروگرافی، جاده ها، و غیره) است. علاوه بر این، یک رویکرد مقایسه ای و کمی برای نشان دادن اینکه وقتی فیلتر Prewitt جهت دار دارای تنظیم صفر در خلاف جهت فرضی است، مانند مورد جهت NS، جهت شرق-غرب نیز روی صفر تنظیم می شود، اعمال می شود. این کار تحقیقاتی، بر اساس یک فیلتر دو طرفه (NS؛ EW)، نتایج رضایت‌بخشی را به‌ویژه در مورد نوسانات کمی جهت‌های خطی بر اساس بازه نشان می‌دهد. این نوسان در تطابق کامل با خطوط ارائه شده توسط دیجیتالی کردن جهت‌های مختلف حوادث تکتونیکی استخراج‌شده در یک محیط GIS از نقشه زمین‌شناسی گرومبالیا است. در این کار پژوهشی، از یک رویکرد کمی برای ارزیابی نتیجه روش استخراج خطی بر اساس تحلیل یک جهتی و با فاصله‌ای از جهت‌ها استفاده شد. در واقع، جهت خط N45، که به خوبی در مطالعه زمین شناسی منطقه مستند شده است، با استفاده از فیلتر Prewitt به وضوح بیشتر از استفاده از فیلتر Sobel متمایز شد. نتیجه با مقایسه با نتایج به‌دست‌آمده از دیجیتالی کردن حوادث تکتونیکی نقشه‌برداری شده روی نقشه زمین‌شناسی اعتبارسنجی شد. یک رویکرد کمی برای ارزیابی نتیجه روش استخراج خطی بر اساس تحلیل یک جهت و با فاصله‌ای از جهت‌ها استفاده شد. در واقع، جهت خط N45، که به خوبی در مطالعه زمین شناسی منطقه مستند شده است، با استفاده از فیلتر Prewitt به وضوح بیشتر از استفاده از فیلتر Sobel متمایز شد. نتیجه با مقایسه با نتایج به‌دست‌آمده از دیجیتالی کردن حوادث تکتونیکی نقشه‌برداری شده روی نقشه زمین‌شناسی اعتبارسنجی شد. یک رویکرد کمی برای ارزیابی نتیجه روش استخراج خطی بر اساس تحلیل یک جهت و با فاصله‌ای از جهت‌ها استفاده شد. در واقع، جهت خط N45، که به خوبی در مطالعه زمین شناسی منطقه مستند شده است، با استفاده از فیلتر Prewitt به وضوح بیشتر از استفاده از فیلتر Sobel متمایز شد. نتیجه با مقایسه با نتایج به‌دست‌آمده از دیجیتالی کردن حوادث تکتونیکی نقشه‌برداری شده روی نقشه زمین‌شناسی اعتبارسنجی شد.

کلید واژه ها

خط خطی ، حوادث تکتونیکی ، فیلتر دو جهته ، جهت ، فرکانس ، گرومبالیا ، تونس

1. مقدمه

نقشه‌برداری خط‌واره‌های تکتونیکی موقعیت مکانی مناسب برای اکتشاف معدنی را تسهیل می‌کند [ 1 ] [ 2 ] [ 3 ]. همچنین در اکتشاف مواد معدنی بسیار موثر است. در واقع، این تکنیک امکان کاوش در مرحله شناسایی را فراهم می کند. در هیدروژئولوژی و هیدرولوژی، بسیاری از کارهای اخیر ([ 4 ] [ 5 ] [ 6 ]) نشان داده‌اند که این شکستگی‌ها منشأ تشکیل آب‌های زیرزمینی در محیط‌های زیرزمینی شکاف‌دار بوده و نواحی نهایی جریان آب را تشکیل می‌دهند. بنابراین، بررسی این شبکه گسل ها در حین ساخت سد ضروری است.

هدف اصلی این مطالعه بهبود فرآیند استخراج خطوط خطوط حوادث زمین ساختی از تصاویر ماهواره ای نوری است، اگرچه این استخراج می تواند از منابع داده های دیگر (به عنوان مثال ژئومورفولوژی و شاخص های مورفومتریک) و همچنین از انواع دیگر حسگرها (مانند رادار) انجام شود. تصاویر) [ 7 ] [ 8 ].

این مطالعه از تصاویر نوری چند طیفی Sentinel 2A با وضوح 10 متر استفاده می کند و یک رویکرد استخراج دو مرحله ای را اعمال می کند.

مرحله اول شامل نقشه برداری حوادث زمین ساختی بر اساس یک نقشه زمین شناسی ساخته شده بر اساس بررسی ها و مشاهدات میدانی است. حوادث نقشه‌برداری شده دیجیتالی شده و در قالب یک پایگاه داده مشخصه‌ای طبقه‌بندی می‌شوند که اساساً جهت‌گیری به سمت شمال را با اعمال الگوریتم ما برای تعیین این جهت‌ها در یک محیط GIS دارد. رویکرد کمی کردن جهت ها بر اساس واحد یا فاصله برای مقایسه با واقعیت میدانی استفاده می شود. در واقع، ابتدا نیاز به دیجیتالی کردن حوادث تکتونیکی نقشه برداری شده در یک محیط GIS با استفاده از نرم افزار ArcGIS دارد.

توجه به این نکته بسیار حائز اهمیت است که مشکلات دسترسی در چندین بخش از منطقه مورد مطالعه به دلیل وجود موانع طبیعی (رودخانه ها، کوه ها، جنگل های انبوه و غالباً سطح وسیع قلمروها) شناسایی و نقشه برداری را محدود می کند. حوادث زمین ساختی و این رویکرد را پرهزینه و خسته کننده می کند [ 9 ]. استفاده از عکس های هوایی یا تصاویر ماهواره ای می تواند بر این عدم قطعیت غلبه کند.

بنابراین، هدف این رویکرد بهبود دقت استخراج خطوط خودکار از تصاویر ماهواره‌ای به منظور داشتن دیدی واقع‌بینانه و در مقیاس بزرگ است که واقعیت تاریخ زمین ساختی منطقه مورد مطالعه را منعکس می‌کند.

مرحله دوم شامل آزمایش چندین فیلتر به روشی بدون نظارت برای استخراج خودکار خطوط تکتونیکی از تصاویر SENTINEL 2A است.

برای انجام این کار، روش ما بر اساس ترکیبات رنگ، تجزیه و تحلیل اجزای اصلی (PCA)، مورفولوژی ریاضی و نسبت باند، و فیلترهای جهتی Sobel و Prewitt به منظور مقایسه نتایج و بهبود فیلتر Prewitt 3 × 3 است که توسط یک دو جهته انتخاب شده است. رویکرد نتیجه را پردازش خواهد کرد.

2. منطقه مطالعه

منطقه مورد مطالعه به عنوان دشت گرومبالیا ( شکل 1 ) شناخته می شود، که مساحت کل 598.5 کیلومتر مربع ^در شمال شرقی تونس را پوشش می دهد و با مورفولوژی آشفته مشخص می شود.

این منطقه یک خندق فروریخته را تشکیل می دهد که به فرونشست زیرزمین بیش از 500 متر متصل است و توسط نهشته های کواترنر [ 10 ] پر شده است که با زیر لایه شنی در بالای سری مشخص می شود که از عمق 130 متری به صورت مارنی، با گچ و نمکی تبدیل می شود [ 11 ]. ].

یک شبکه گسلی بسیار متراکم تاریخ زمین ساختی منطقه را مشخص می کند که موضوع مطالعه ما است.

3. داده ها

به منظور اعتبارسنجی نتیجه استخراج خطوط تکتونیکی به‌دست‌آمده از داده‌های ماهواره‌ای بر اساس یک روش کمی، از تکنیک‌های مختلف پردازش تصویر و داده‌های فضایی چند منبعی و همچنین:

• خطواره های دیجیتالی شده از نقشه زمین شناسی گرومبالیا [ 12 ] ( شکل 2 ).

• تصویر منبع باز چند طیفی Sentinel 2A از منطقه مورد مطالعه از https://www.usgs.gov/ دانلود شده است. باندهای مورد استفاده (B02، B03، B04 و B08) دارای قدرت تفکیک 10 متر بوده و مشخصات آنها در ( جدول 1 ) ارائه شده است.

4. مسئله و روش

در این کار، از نتیجه استخراج خطواره های زمین ساختی از نقشه زمین شناسی به عنوان مرجعی برای تخمین کیفی و کمی، قابلیت اطمینان نتایج استخراج خطواره های زمین ساختی به دست آمده از تصویر Sentinel 2A استفاده شده است. ما همچنین تعداد جهات خطوط تکتونیکی را در هر کلاس ارائه می کنیم و روش استخراج خط را با اعمال انواع مختلف فیلترهای جهت بر روی تصاویر ماهواره ای Sentinel 2A ارزیابی می کنیم. بنابراین، یک رویکرد روش‌شناختی برای بهبود نتایج استخراج خطی از تصاویر ماهواره‌ای با وضوح بالا اجرا شد.

در واقع، این رویکرد برای بهبود قابلیت اطمینان استخراج خودکار خط خطی، دستیابی به قابلیت اطمینان مشاهدات میدانی، که از نظر زمان و پردازش نسبتاً پرهزینه هستند، استفاده شد ( شکل 3 ).

4.1. رقومی سازی خطوط خطا و تحلیل کمی

قبل از دیجیتالی کردن خطواره های تصادف زمین ساختی کل نقشه زمین شناسی ( شکل 2 )، ارجاع جغرافیایی با استفاده از Datum WGS84 استفاده شد. در واقع، این داده به طور کلی به منظور قرار دادن تمام خطوط به‌دست‌آمده از نقشه یا استخراج خودکار از تصاویر ماهواره‌ای و در نتیجه مقایسه کمی آنها استفاده می‌شود. بدیهی است که این فاز به دلیل عدم تطابق بین خطوط ماهواره ای و زمین شناسی بسیار حساس است. برخی از محققان ثابت کردند که این تفاوت می تواند ناشی از کدگذاری جغرافیایی [ 13 ] یا عدم دقت در تصاویر پردازش شده پس از فرآیند نمونه برداری مجدد [ 14 ] باشد.]. علاوه بر این، نقشه‌های زمین‌شناسی نادرستی‌های بیشتری را به دلیل تغییرات مقیاس در مقایسه با خط‌واره‌های استخراج‌شده خودکار نشان می‌دهند. در تحقیق حاضر مقیاس نقشه ای که خطواره ها از آن به دست آمده اند 1:50000 می باشد. می تواند منجر به خطاهایی در X و Y در حد 5 متر شود.

این خطاها به خطاهای ناشی از تبدیل مختصات از یک سیستم ژئودتیکی به سیستم دیگر اضافه شد. شایان ذکر است که در این مطالعه، انتقالی از Clarke 1880 Lambert به WGS 84 UTM 32 North Tunisia وجود دارد.

پس از اسکن خطاهای موجود در نقشه، خطوط منحنی به دست آمد.

برای استخراج خودکار گسل ها، شبکه خطوط خطوط حوادث تکتونیکی به عنوان یک جسم برداری در نظر گرفته شد.

یک اسکریپت (معرفی شده در نرم افزار Arc Map ) که چند خطوط مستطیل را از خطوط منحنی دیجیتالی شده ارائه می کند ( شکل 4 ) به منظور کمی سازی این چند خطوط با فاصله 15 درجه ( جدول 3 ) با توجه به جهت آنها به سمت شمال اعمال شد. .

بنابراین، جهت خطوط بر اساس کلاس تولید شد ( شکل 5 )، که یک ابزار کمی برای تجزیه و تحلیل خطواره ها فراهم می کند.

این تبدیل اعمال شده ( شکل 4 ) به دست آوردن 810 خط چند خطی مستطیل از 451 چند خط منحنی و مستطیلی امکان پذیر است.

برای به دست آوردن فایل برداری، سه مرحله زیر اعمال می شود [ 15 ]:

• محاسبه مختصات انتهای هر خط.

• تعیین هندسی زاویه جهت.

• تعیین جهت خطواره ها.

4.1.1. محاسبه مختصات پایان هر خط

در جدول صفات خطوط، مختصات نقطه شروع (X1, Y1) و پایان (X2, Y2) با استفاده از ابزار اسکریپت در نرم افزار ArcGIS محاسبه شد.

4.1.2. تعیین هندسی زاویه جهت

هنگامی که مختصات به دست آمد، زاویه جهت خط خطی با استفاده از فرمول زیر محاسبه شد [ 16 ]:

زاویه شعاعی ( θ ) = قوس tg [ ( Y 2 − Y 1 ) / ( | X 1 − X 2 | ) ] Radianangle(θ)=Arc tg[(Y2−Y1)/(|X1−X2|)].

نتیجه تجربی مربوط به مقدار زاویه θ بیان شده بر حسب رادیان است. سپس این مقدار به درجه تبدیل شد تا جهت گیری ها را به سمت شمال نشان دهد، به صورت زیر: زاویه بر حسب درجه = (زاویه بر حسب رادیان*180)/II.

4.1.3. تعیین جهت خطوط

مقادیر جهت α خطاها باید بین 0˚ و 180˚ باشد ( شکل 6 ).

شمال را باید مبدأ اندازه گیری ها در نظر گرفت و جهت مثبت آن در جهت عقربه های ساعت است.

اگر α <0 باشد، آنگاه مقدار جهت برابر با مقدار مطلق زاویه اضافی خواهد بود، همانطور که در ( جدول 2 ) نشان داده شده است.

در تجزیه و تحلیل کمی که برای شناسایی جهات اصلی انجام شد ( شکل 6 )، جدولی نشان دهنده تعداد خطواره ها در فواصل جهت ها ارائه شد. همانطور که در ( جدول 3 ) نشان داده شده است، فاصله جهت 15 درجه انتخاب شد .

برای برجسته کردن جهت های مورد مطالعه، یک روزت جهت دار از جدول کمی خطواره ها ترسیم شد ( شکل 7 ).

4.1.4. نقشه و تجزیه و تحلیل خط خطی حوادث تکتونیکی

تجزیه و تحلیل کمی و مکانی بر اساس مختصات و جهت خطوط از حوادث زمین ساختی انجام شد ( شکل 6 ).

ابتدا نقشه ای از خطواره ها که با مقدار هر جهت نمایه شده بود ساخته شد. حدود 810 شکستگی با طول های متغیر را نشان می دهد و تقریباً در همه جهات جهت گیری شده است.

روزت جهت دار، و همچنین هیستوگرام جهت دار، نشان می دهد که طبقات جهات ]30، 45]، ]45، 60] جهت های اصلی شبکه خطی هستند که در کارهای قبلی ما در نظر گرفته شده است.

چگالی خطی یک مشخصه بسیار مهم است که باید بیشتر مورد بررسی قرار گیرد [ 17 ]. با نسبت طول کل خط خطی بر حسب متر به مساحت پهنه مورد مطالعه بر حسب کیلومتر مربع تعیین می شود. جدا از چند مکان که به نظر می رسد به طور قابل توجهی چگالی کمتری دارند، نقشه چگالی خطواره های گرومبالیا چگالی تقریباً همگن را نشان می دهد ( شکل 8 ).

شایان ذکر است که چندین ویژگی مستطیل و منحنی از نقشه خطی پدیدار شده است.

پس از تبدیل همه موجودات به یک فرم مستطیل با اعمال یک اسکریپت از جعبه ابزار Arc، طول هر خط با استفاده از فرمول زیر ولادیمیر لونشتاین (1) محاسبه شد:

Δایکس2+ ΔY2———-√ΔX2+ΔY2(1)

با استفاده از محیط GIS، نتیجه استخراج خط‌واره‌ها از نقشه زمین‌شناسی امکان تحلیل کمی، مکانی و آماری ( جدول 4 ) لازم را برای اعتبارسنجی نتایج استخراج خطوط به‌دست‌آمده از تصاویر ماهواره‌ای فراهم کرد.

طول خطواره ها از 62879 متر تا 2666319 متر با میانگین 628727 متر متغیر است ( جدول 4 ).

4.2. استخراج خطوط تکتونیکی توسط سنجش از دور

رویکردهای موجود برای استخراج خطوط زمین شناسی با سنجش از دور را می توان به سه دسته اصلی طبقه بندی کرد:

• استخراج دستی توسط تفسیر عکس، پردازش تصویر دیجیتال و تجزیه و تحلیل بافت [ 6 ]، ترکیب تصویر [ 18 ] و فیلتر فضایی ([ 4 ] [ 5 ] [ 6 ] [ 19 ] [ 20 ]).

• استخراج نیمه اتوماتیک ( [ 21 ] [ 22 ] );

• استخراج خودکار ([ 23 ] [ 24 ]) بر اساس مورفولوژی [ 25 ]، شبکه های عصبی سلولی، تبدیل Hough [ 26 ] و آستانه گذاری.

برخلاف رویکردهای دستی و نیمه خودکار، مفسر بر استخراج خودکار تأثیری ندارد. در واقع، بیشتر به عملکرد برنامه و داده های ارائه شده در تصویر بررسی شده بستگی دارد [ 27 ].

4.2.1. تجزیه و تحلیل اجزای اصلی (PCA)

برای اهداف تفسیر زمین شناسی، تجزیه و تحلیل مؤلفه اصلی (PCA) یک تکنیک موثر است که برای بهبود تصویر چند طیفی استفاده می شود [ 28 ]. اطلاعات در چندین باند به تعداد کمتری از مؤلفه‌ها کاهش می‌یابد که عموماً تا 97 درصد از واریانس کل مجموعه داده اصلی را نشان می‌دهند [ 29 ]. گاهی اوقات اطلاعات در 5 یا 6 باند توسط PCA تنها به 3 جزء به حداقل می رسد. این تجزیه و تحلیل اجازه می دهد تا ترکیبات رنگی از سه جزء اول ایجاد شود که یک محصول تفسیر بصری عالی را تشکیل می دهد، که کنتراست بین اشیاء مختلف روی زمین را افزایش می دهد.

برای به دست آوردن بهترین ترکیب رنگ ( جدول 5 )، از تکنیک فاکتور شاخص بهینه در آزمایش ها استفاده شد.

علاوه بر این، ضریب شاخص بهینه (OIF)، (2) یک مقدار آماری است که ترکیب بهینه سه باند از تمام باندهای یک تصویر ماهواره‌ای را که می‌توان از آن یک ترکیب رنگی به دست آورد، ارائه می‌کند ( شکل 9 ). این ترکیب حاوی بیشترین مقدار اطلاعات (حداکثر مقدار انحرافات استاندارد)، با حداقل تکرار (کمترین همبستگی بین جفت باندها) است.

برای محاسبه عوامل شاخص بهینه، یک لیست نقشه حاوی حداقل سه نقشه شطرنجی ایجاد شد و یک ماتریس همبستگی یا ماتریس واریانس-کوواریانس برای فهرست نقشه محاسبه شد که انحرافات استاندارد و ضرایب همبستگی اعمال شده برای محاسبه IFM را ارائه می‌کرد.

الگوریتم های مورد استفاده برای محاسبه IFM معمولاً طبق فرمول زیر در کتابچه راهنمای GRASS GIS (https://grass.osgeo.org/) اجرا می شوند:

OIF =∑3k = 1اسک∑3j = 1|rj|OIF=∑k=13Sk∑j=13|rj|(2)

جایی که:

∑اسک∑Sk: مجموع انحرافات استاندارد (انحراف استاندارد) ترکیبات 3 باند k 1, k 2, k 3 است.

∑ |rj|∑|rj|: نشان دهنده مجموع مقادیر مطلق ضریب همبستگی است.

محاسبه OIF توسط نرم افزار (ILWIS) انجام شد که پلت فرم GIS را با سنجش از دور برای پردازش برداری و ماتریس اشیاء مورد استفاده در مطالعه ما یکپارچه کرد.

به منظور بهبود تصویر ماهواره ای Sentinel 2A از منطقه تحت این مطالعه، از تحلیل مؤلفه اصلی (PCA) استفاده شد.

4.2.2. استفاده از فیلترهای مختلف (3 × 3) (5 × 5) (7 × 7)

هدف فیلتر حذف نویز در داده ها است. در زمین‌شناسی، دانشمندان بر یافتن ناپیوستگی‌ها در بافت‌های موجود در تصاویر تمرکز می‌کنند (مثلا خطوط مناطق نسبتاً همگن که می‌توانند وجود گسل‌ها یا شکستگی‌ها را آشکار کنند. خطوط با برجسته کردن انتقال‌های بازتابی قوی در تصویر و فرکانس‌های بالای فضایی مرتبط، تقویت می‌شوند. سپس مقدار عددی یک پیکسل با توجه به رابطه آن با مقادیر پیکسل های همسایه به دست آمده از فیلتر کانولوشن فضایی اصلاح می شود. خطوطی که باید شناسایی شوند

چندین نویسنده، مانند ([ 30 ] [ 31 ])، از پنجره های 5 × 5 بر روی تصاویر Landsat-TM با وضوح زمین 30 × 30 متر برای مطالعه ساختاری استفاده کردند ( جدول 6 ).

سایر محققان ([ 9 ] [ 10 ] [ 11 ] [ 32 ]) 7 × 7 پنجره را حفظ کردند ( جدول 7 ).

دو جدول ارائه شده در بالا نشان می دهد که فیلترهای جهت دار با ایجاد یک اثر سایه نوری بر روی تصویر، درک خطوط را بهبود می بخشند.

در این رویکرد، این فیلترها در چهار جهت اصلی اعمال شدند: NS، EW، NE-SW، SE-NW، به منظور بهبود درک خطوطی که در معرض منبع نور قرار نمی گیرند.

فقط خطوط با طول بیشتر از نیمی از پنجره پیچیدگی شناسایی شدند. بنابراین، می‌توان نتیجه گرفت که انتخاب اندازه فیلتر به طول خطی که باید استخراج شود بستگی دارد. در مطالعه خود، پنجره پیچشی 3 در 3 را برای تشخیص خطوط با طول چند متر انتخاب کردیم ( جدول 8 ).

با محدوده زاویه ای 45 درجه از فیلترهای جهت در اطراف جهت بهبود اصلی، چهار تصویر رانش ابتدا از چهار فیلتر جهت سوبل (NO NW، OW، SO SW و S) تولید شد. پس از آن، فیلترهای اصلاح شده 3 × 3 Prewitt برای تشخیص خطوط در تمام جهات ممکن حفظ شدند.

با توجه به اندازه منطقه مورد مطالعه و ترتیب بزرگی سازه ها، از یک پنجره 3 × 3 برای شناسایی خطوط اصلی و تولید ساختارهای ظریف استفاده شد ([ 23 ] [ 24 ] [ 32 ]).

به منظور افزایش ویژگی های خطی، از فیلترهای جهت دار استفاده شد که با ایجاد یک اثر سایه نوری بر روی تصویر، درک خطوط را بهبود بخشید.

تمام کارهای قبلی از فیلترهای جهت دار سوبل استفاده می کردند. با این حال، فیلترهای Prewitt اغلب با فیلترهای Sobel برای تشخیص خطوط مقایسه می شوند.

بنابراین، فیلترهای Prewitt در چهار جهت (NS، EW، NE-SW و NW-SE) اعمال شدند، زیرا از جهت های NE-SW و NW-SE به ندرت در این نوع فیلتر استفاده می شود. پس از آن، فیلترهای Prewitt جهت دار ( جدول 9 ) برای به دست آوردن نتایج بهتر اصلاح شدند.

4.2.3. استخراج خطوط با PCI Geomatica

ماژول LINE PCI Geomatica به طور کلی برای استخراج اشکال خطی از تصویر و تولید فایل های برداری، با استفاده از 6 پارامتر برای شناسایی توسط کاربر استفاده می شود ( جدول 9 و جدول 10 ). پارامترهای مورد استفاده توسط عکس-مفسر انتخاب می شوند که منجر به استخراج مستقیم می شود [ 25 ].

در واقع، پارامترهای تعیین کننده ناپیوستگی ها در تصاویر فیلتر شده پیچیده هستند و به طول، زاویه و آستانه سطح گرادیان یک پیکسل یا مجموعه ای از پیکسل ها که به عنوان یک عنصر خطی یا منحنی منفرد در نظر گرفته می شوند، بستگی دارند ( جدول 10 ).

خطواره های استخراج شده در قالب برداری (.shp) برای انجام تحلیل های آماری پردازش شدند.

الگوریتم LINE شامل سه مرحله است:

• تشخیص لبه؛

• آستانه گذاری.

• استخراج منحنی.

در مرحله اول، الگوریتم تشخیص لبه Canny برای تولید یک تصویر با شدت لبه اعمال شد. کاربرد این الگوریتم را می توان به سه مرحله فرعی تقسیم کرد. ابتدا تصویر ورودی با یک تابع گاوسی که شعاع آن توسط پارامتر شعاع فیلتر ارائه شده بود فیلتر شد. دوم، گرادیان از تصویر فیلتر شده محاسبه شد. در نهایت، پیکسل هایی که گرادیان آنها با حداکثر محلی مطابقت ندارد با تنظیم شدت لبه بر روی 0 حذف شدند.

در مرحله دوم، تصویر شدت لبه برای به دست آوردن یک تصویر باینری آستانه گذاری شد. هر پیکسل فعال شده از تصویر باینری نشان دهنده یک عنصر لبه است. مقدار آستانه در نهایت توسط پارامتر GTHR (Edge Gradient Threshold) تعریف شد.

در مرحله سوم، منحنی ها از تصویر لبه باینری استخراج شدند. این مرحله را می توان به چند مرحله فرعی تقسیم کرد. ابتدا، یک الگوریتم نازک شدن روی تصویر لبه باینری اعمال شد تا منحنی های اسکلت پیکسلی تولید شود. پس از آن، دنباله ای از پیکسل ها برای هر منحنی از تصویر استخراج شد. پردازش بیشتر منحنی های حاوی تعداد پیکسل کمتر از مقدار پارامتر LTHR (آستانه طول منحنی) را نادیده گرفت. پس از آن، یک منحنی پیکسل استخراج شده با برازش قطعات خط به آن به شکل برداری تبدیل شد. چند خط حاصل به منحنی پیکسل اصلی نزدیک می شود که در آن حداکثر خطای برازش وجود دارد

(فاصله بین این دو) با پارامتر FTHR (آستانه اتصال خط) مشخص می شود. در نهایت، الگوریتم جفت‌هایی از چند خط را به هم مرتبط کرد که معیارهای زیر را برآورده می‌کنند:

• دو بخش انتهایی دو خط چند خطی متناسب با یکدیگر هستند و جهت گیری مشابهی دارند (زاویه بین دو بخش کمتر از مقدار مشخص شده توسط ATHR است).

• دو بخش انتهایی به یکدیگر نزدیک هستند (فاصله بین نقاط انتهایی کمتر از مقدار DTHR است).

پلی خطوط نهایی در یک قطعه برداری ذخیره شدند.

چندین مقدار از پارامترهای کالیبراسیون ماژول Line PCI استفاده شده است و متوجه می شویم که بهترین نتیجه با اعمال پارامترهای زیر به دست آمده است ( جدول 11 ).

چهار تصویر برای هر فیلتر مربوط به 4 جهت NS، EW، NE-SW و NW-SE تولید شد. این مجموعه از تصاویر به دست آمده به عنوان ورودی برای روش های استخراج خط خطی خودکار استفاده می شود.

با قرار دادن چهار نقشه خطی به دست آمده در چهار جهت، یک نقشه ترکیبی از خطواره ها ایجاد شد ( شکل 10 ).

روش‌های خودکار اغلب خط‌واره‌های بی‌اهمیت زیادی تولید می‌کنند و همچنین انواع دیگر خط‌واره‌ها مانند جاده‌ها، مسیرها، رخنمون‌ها، سیستم‌های رودخانه‌ای و غیره را تولید می‌کنند که این اشکال شناسایی و حذف شده‌اند.

5. نتایج و بحث

پس از اعمال همان اسکریپت اعمال شده بر روی خطواره های دیجیتالی شده، پلی خطوط مستطیلی به دست آمد. سپس جهت خطوط بر اساس کلاس تولید شد که داده‌های کمی را ارائه کرد که می‌توان از آن برای تجزیه و تحلیل خطوط استفاده کرد.

جدول 12 تعداد خطوط خطی را در فاصله جهت 15 درجه نشان می دهد.

سپس از جدول کمی خطوط خطی، نمودار رز جهتی برای هر نوع فیلتر ایجاد شد ( شکل 11 ).

جدول 1 نشان می دهد که جهت های بین N30 و N60 نشان دهنده جهت های اصلی گسل در منطقه مورد مطالعه است. در واقع تعداد خطواره ها در این محدوده 477 عدد از مجموع 810 عدد است، یعنی 58.9% خطواره ها.

نتیجه استخراج خودکار خط خطی ( جدول 10 ) نشان می دهد که تعداد خطواره ها در همان محدوده 1137 در میان 4786 خطواره استخراج شده از فیلترهای 3×3 است. 2179 از میان 9745 خطواره استخراج شده از فیلترهای 5×5. و 2700 از 13000 خطواره استخراج شده از فیلترهای 7 × 7 که به ترتیب درصدی 23.76، 22.36 و 20.77 درصد را نشان می دهند.

طول متوسط ​​خطواره ها بین 195 متر و 198 متر متغیر است در حالی که گسل های دیجیتالی شده حدود 629 متر است. با این حال، چگالی خطی خطوط به‌دست‌آمده از فیلترهای 3×3 1566 متر بر کیلومتر مربع ^است و نشان‌دهنده نزدیک‌ترین مقدار به خط‌واره‌های دیجیتالی است که حدود 851 متر بر کیلومتر مربع ^است .

این نتیجه به وضوح نشان می دهد که مقدار خطوط استخراج شده از فیلترهای 3 × 3، 5 × 5 یا 7 × 7 از تعداد آنهایی که از روش دیجیتالی به دست آمده است، بیشتر است. بنابراین، روش خودکار امکان استخراج خطواره های تکتونیکی و همچنین انواع دیگر خطواره ها را فراهم می کند. تجزیه و تحلیل آماری نشان می دهد که بهترین نتیجه با استفاده از فیلترهای 3×3 به دست آمده است. با این حال، نتایج نشان‌دهنده بهبود کیفی در تشخیص و برجسته‌سازی جهت‌های اصلی است.

علاوه بر فیلترهای جهت دار سوبل، از فیلترهای پریویت در چهار جهت (NS، EW، NE-SW و NW-SE) استفاده شد. پس از آن، جهت مخالف فیلتر روی صفر تنظیم شد ( جدول 9 )، همانطور که در مورد فیلتر دو طرفه (EWN و S) یا (NO، NW، SE، NE و SW) صادق است. نتیجه ارائه شده کارایی کار ما را در برجسته کردن جهات خطی تکتونیکی اصلی برای هر دو خانواده اثبات می کند: (N30-45) و (N45-60).

نتیجه این رویکرد، بر اساس انتخاب فیلترهایی که باید اتخاذ شود، نشان می‌دهد که جهت‌های بین N30 و N60 نشان‌دهنده خانواده جهت‌های اصلی در منطقه مورد مطالعه است.

مطابق با خطوط رقومی استخراج شده از نقشه زمین شناسی، تعداد خطوط استخراج شده از فیلترهای Prewitt 3 × 3 و فیلترهای اتخاذ شده در این بازه به ترتیب 951 و 651 از مجموع 3233 و 2571 است که نشان دهنده 29.42٪ و 25.32 است. % از تعداد کل خطواره ها.

طول متوسط ​​قطعات 358.04 متر است، در حالی که چگالی خطی خطوط به دست آمده با استفاده از فیلترهای Prewitt 3 × 3 حدود 1934 متر بر کیلومتر مربع ^است .

متوسط ​​طول قطعات بدست آمده با استفاده از فیلترهای 3×3 408.997 متر است، در حالی که چگالی خطی خطواره ها 1507 متر بر کیلومتر مربع است ⁽ جدول 13 ).

6. نتیجه گیری

به منظور ارزیابی انواع مختلف فیلترهای جهت استفاده شده، Sobel و Prewitt یا Prewitt فیلترهای دو جهته 3 × 3 را بهبود بخشیدند که به طور خاص به استخراج خطوط تکتونیکی اختصاص داده شده است، این کار تحقیقاتی یک رویکرد روش‌شناختی مبتنی بر تحلیل مقایسه‌ای کمی ایجاد کرد.

پس از آزمایش های مختلف، فیلترهای Prewitt 3 × 3 جهت دار نگهداری شدند که امکان تشخیص دو بازه اصلی جهت را فراهم می کرد. سپس، Prewitt جهت دار به منظور بهبود استخراج خطواره ها به یک Prewitt دو طرفه تبدیل شد. این اصلاح به بهترین نتیجه برای استخراج خطوط تکتونیکی اجازه داد.

مقایسه آماری نشان داد که فیلتر دو طرفه Prewitt 3 × 3 بهترین نتیجه را ارائه کرد. این فیلتر در نمایش جهات اصلی در ناحیه مورد مطالعه (30˚, 45˚) و (45˚, 60˚) در مقایسه با فیلترهای Sobel و Prewitt جهت دار بیشترین کارایی را دارد. با این حال، این فیلتر Prewitt اصلاح شده دارای قابلیت اطمینان در حدود 50٪ در مقایسه با داده های نقشه برداری بود.

این رویکرد روش‌شناختی مبتنی بر مطالعه کمی تأیید می‌کند که تعداد زیاد و طول متوسط ​​قطعات به‌دست‌آمده با استخراج خودکار از Sentinel 2A نسبتاً اغراق‌آمیز هستند. از این رو، لازم بود قابلیت اطمینان استخراج خودکار خط خطی با طبقه‌بندی محدود جهت‌های جزئی بررسی شود تا منبع تخمین تعداد اضافی مجاز خطوط خطی برجسته شود.

علیرغم نتایج با مزایای بالا به‌دست‌آمده از این رویکرد، این مطالعه همچنین نشان می‌دهد که استخراج خودکار خطوط تکتونیکی از تصاویر ماهواره‌ای همچنان ناقص است و نیاز به بهبود فیلترهای اولیه مربوط به شبکه راه‌ها، شبکه هیدروگرافی، خطوط یال، لبه رخنمون‌ها و … دارد. هم ترازی پوشش گیاهی

منابع

 

[ 1 ]	Hashim, M., Makoundi, C. and Zaw, K. (2016) نقشه برداری ساختاری ناحیه بخیه Bentong-Raub با استفاده از داده های سنجش از دور PALSAR، شبه جزیره مالزی: پیامدهایی برای اکتشاف سیستم های معدنی طلای دارای میزبانی رسوب/اوروژنیک: نقشه برداری ساختاری منطقه بخیه Bentong-Raub، مالزی. زمین شناسی منابع، 66، 368-385. https://doi.org/10.1111/rge.12105
[ 2 ]	یوسفی، ت.، علیاری، ف.، عابدینی، ع. و کالاگاری، AA (2018) ادغام داده های زمین شناسی و لندست-8 و ASTER سنجش از دور برای اکتشاف طلا: مطالعه موردی از کانسار طلای نوع کارلین زرشوران، شمال غرب ایران. مجله عربی علوم زمین، 11، مقاله شماره 482. https://doi.org/10.1007/s12517-018-3822-x
[ 3 ]	Mathew, TG and Ariffin, KS (2018) تکنیک سنجش از دور برای استخراج خطی در ارتباط با الگوی کانی سازی در کمربند مرکزی شبه جزیره مالزی. مجله فیزیک: مجموعه کنفرانس ها، 1082، شناسه مقاله: 012092. https://doi.org/10.1088/1742-6596/1082/1/012092
[ 4 ]	Saley, MB (2003) System d’informations hydrogéologiques a Référence Spatiale (SIHRS) و تصاویر شبه ناپیوسته با نقشه کشی منابع موجود در Eau de la Région semi-montagneuse de laMANete (نیمه مونتاژو د لمنت) These de Doctorat, Université de Cocody, Abidjan, 209 p.
[ 5 ]	Jourda، JPR (2005) روش‌شناسی کاربرد تکنیک‌های مخابرات و سیستم‌های اطلاعات جغرافیایی در آب‌های زیرزمینی شکاف‌های آفریقای غربی. مفهوم هیدروتکنیک فضایی: آزمایش‌های مناطق ساحلی ساحل عاج. These de Doctorat d’état, Université de Cocody, Abidjan, 430 p.
[ 6 ]	Youan Ta, M. (2008) Contribution de la Télédétection et des Systems d’Informations Géographiques à la prospection Hydrogéologique sur socle Précambrien d’Afrique de l’Ouest: Cas de la région de Bondoukou-Evoirete (Nord) ). These de Doctorat de l’Université de Cocody, Abidjan, 243 p.
[ 7 ]	Bouramtane, T., Kacimi, I., Saidi, A., et al. (2017) تشخیص و ارزیابی خودکار ویژگی‌های خطی زمین‌شناسی از داده‌های سنجش از دور با استفاده از الگوریتم تبدیل هاف در آنتی‌اطلس شرقی (مراکش). در: مجموعه مقالات دومین کنفرانس بین المللی محاسبات و سیستم های ارتباطی بی سیم ICCWCS’17. ACM Press، Larache، مقاله شماره 16. https://doi.org/10.1145/3167486.3167502
[ 8 ]	Sedrette, S. and Rebai, N. (2020) رویکرد ارزیابی برای نتایج استخراج خودکار خطوط خطی با استفاده از داده های چند منبعی و محیط GIS: مطالعه موردی در منطقه نفزا در شمال غربی تونس. در: Rebai, N. and Mastere, M., Eds., Mapping and Spatial Analysis of Social-Economic and Environmental Indicators for Sustainable Development, Springer, Berlin, 63-69. https://doi.org/10.1007/978-3-030-21166-0_6
[ 9 ]	De Sève, D., Desjardins, R. and Toutin, T. (1994) Contribution de données radar d’ERS1 dans l’ appréhension de l’organisation des linéaments: Cas de l’astroblème de Charlevoix. مجله canadien de télédétection, 20, 233-244.
[ 10 ]	ساسی، اچ.، زواری، اچ و جالولی، سی. Comptes Rendus Geosciences, 338, 751-756. https://doi.org/10.1016/j.crte.2006.07.005
[ 11 ]	Ennabli, M. (1970) Etat de l’évolution de la nappe de Grombalia-Tunis. Division des ressources en eaux, Travaux publics de Tunisie, Rapport, Tunis.
[ 12 ]	نقشه زمین شناسی تونس (1971) برگه شماره 29 گرومبالیا (جلسه و چاپ-مسیر توپوگرافی و کارتوگرافی-تونیس-1971) در مقیاس 1:50 000، بیضی کلارک 1880، طرح لامبرت طرح شمال تونس، دفتر ملی Mines “.
[ 13 ]	توتین، تی. (1998) ارزیابی هندسه دقیق تصاویر رادارسات. مجله canadien de télédétection, 24, 80-88. https://doi.org/10.1080/07038992.1998.10874694
[ 14 ]	Moore, G. and Frederick, D. (1983) Objective Procedure for Lineament Enhancement and Extraction. مهندسی فتوگرامتری و سنجش از دور، 49، 641-647.
[ 15 ]	Sedrette, S., Rebai, N. and Turki, MM (2015) رویکرد توسعه کمی استخراج نیمه خودکار تصادفات تکتونیک های زمین شناسی در نفزا یا 1/50000 با فرمت SHP. مجله عربی علوم زمین، 2، 53-64.
[ 16 ]	Rebai, N., Yermani, B. and Bouaziz, S. (2005) élaboration d’un SIG intégrant des modeles de représentation relatifs aux données géologiques et structurales du Sahel de Sfax. Acte du colloque du 9ème Journées de la Géologie tunisienne, Annales des Mines et de la Géologie, 43, 37-56.
[ 17 ]	Yao, TK, Fouché-Grobla, O., YéiOga, MS and Assoma, VT (2012) Extraction de Linéaments structuraux à Partr d’Images Satellitaires, et estimation des biais induits, en milieu de socle precamphoré m. Revue Télédétection, 10, 161-178.
[ 18 ]	Kouamé, K., Adja, MG, Saley, MB and Jourda, JPR (2013) Réalisation d’une image شبه پانکروماتیک RSO de Radarsat-1 pour la cartographie litho-structurale du socle précambrien dans la region de Korhogo (Nord de la Korhogo ساحل عاج). مجله بین المللی نوآوری و مطالعات کاربردی، 2، 392-411.
[ 19 ]	Sorokoby, MV, Saley, MB, Kouamé, KF, Djagoua, EV and Biémi, J. (2010) استفاده از تصاویر Landsat ETM+ et du SIRS pour la cartographie lineamentaire et thématique de Soubre-Méagui de (Sudteou) عاج): Contribution à la gestion des ressources en eau souterraine. Revue Télédétection، 9، 209-223.
[ 20 ]	Ouattara, G., Koffi, GB and Yao, AK (2012) مشارکت در تصاویر ماهواره ای Landsat 7 ETM+ à la cartographie lithostructurale du Centre-Est de la Cote d’Ivoire (Afrique de l’Ouest). مجله بین المللی نوآوری و مطالعات کاربردی، 1، 61-75.
[ 21 ]	Lim, CS, Ibrahim, K. and Tjia, HD (2001) محتوای اطلاعات رادیومتری و هندسی داده های TiungSAT-1 MSEIS. در: TiungSAT-1: From Inception to Inauguration, Sringer, Engineering Geology for Society and Territory, Vol. 6، 169-184.
[ 22 ]	Jourda, JP, Djagoua, EV, Kouamé, K., Saley, MB, Gronayes, CC, Achy, JJ, Biémi, J. and Razack, M. de korhogo (nord de la cote d’ivoire): Apport de l’imagerie etm+ de landsat. Revue Télédétection, 6, 123-142.
[ 23 ]	Anwar, A., Shawki, N. and Abdoh, G. (2013) Landsat ETM-7 برای نقشه برداری خطی با استفاده از تکنیک استخراج خودکار در بخش جنوب غربی منطقه تعز، یمن. مجله جهانی علوم اجتماعی انسانی جغرافیا، ژئو علم، مدیریت محیط زیست و بلایا، 13، 48-52.
[ 24 ]	Rayan, GT (2013) استخراج خودکار و تجزیه و تحلیل جغرافیایی خطوط خطی و اهمیت زمین ساختی آنها در برخی از مناطق شمال عراق با استفاده از تکنیک های سنجش از دور و GIS. مجله بین المللی تحقیقات پیشرفته در علم فناوری و مهندسی، 2، 1.
[ 25 ]	Kouamé, KF, Lasm, T., Saley, MB, Tonye, ​​E., Bernier, M. and Wade, S. (2009) Extraction Linéamentaire par morphologie mathématique sur une image RSO de RADARSAT-1: Application au socle Archéen de la ساحل عاج. Journée d’Animation Scientifique de l’AUF, Alger, 7 p.
[ 26 ]	Poncelet, N. and Cornet, Y. (2010) Transformée de Hough et detection automatique des lineament sur les images satellitaires and model numérique derrain. BSGLG، 54، 145-156.
[ 27 ]	Al-Dossary, S. and Marfurt, KJ (2007) Lineament-Preserving Filtering. ژئوفیزیک، 72، 1-8. https://doi.org/10.1190/1.2387138
[ 28 ]	Biémi, J., Gwyn, QHJ, Deslandes, S. and Jourda, P. (1991) Géologie et réseaux de linéarnents, region du bassin versant de la Marahoué, Cote d’Ivoire: Cartographie à l’aide des-tmés et du champ magnétique total. در: Gagnon, P., Ed., Télédétection et gestion des ressources, Vol. 7, Association québécoise de télédétection, Québec, 134-145.
[ 29 ]	Deslandes, S. (1990) راه‌اندازی روش‌های تشخیصی تعداد تصاویر ماهواره‌ها، سیستم PCI Inc., EASUPACE. کارتل، 32 ص.
[ 30 ]	Homsby, J. and Bruce, B. (1985) تجزیه و تحلیل مقدماتی داده های Landsat MSS و TM در منطقه Levack، سادبری، کانادا. در: IGARSS Remote Sensing Instrumentation: Technology for Science and Application، دانشگاه ماساچوست، Amherst، 131-140.
[ 31 ]	Yang’tshi, MN (2018) Contribution de l’Imagerie Landsat 8 dans le repérage et la cartographie des linéaments aux environs de madimba, dans l’uest congolien (کنگو مرکزی، جمهوری دموکراتیک کنگو). مجله بین المللی نوآوری و تحقیقات علمی، 38، 192-202.
[ 32 ]	JofackSokeng، وی. منطقه بوندوکو (Nord-Est de la Cote d’Ivoire). Revue Scientifique Internationale de Géomatique، 1، 4-17.
[ 33 ]	Sedrette, S. (2016) استخراج نیمه خودکار خطوط خطوط و نشانگرهای مورفومتریک و محیط زیست SIG pour la caractérisation morphostructurale و néotectonique de la region de nefza dans le Nord-Ouest de la Tunisie. These de Doctorat، Faculte des Sciences de Tunis، Universite de Tunis El Manar.
[ 34 ]	Adiri, Z., El Harti, A., Jellouli, A., Lhissou, R., Maacha, L., Azmi, M., Zouhair, M. and Bachaoui, EM (2017) مقایسه Landsat-8, ASTER و داده های سنجش از دور ماهواره ای Sentinel 1 در استخراج خطوط خودکار: مطالعه موردی SidiFlah-Bouskour Inlier، آنتی اطلس مراکش. پیشرفت در تحقیقات فضایی، 60، 2355-236. https://doi.org/10.1016/j.asr.2017.09.006
[ 35 ]	عبدالله، IM (2017) استخراج خط با استفاده از داده های سنجش از راه دور در اواسط عراق. مجله دانشگاه بابل/علوم محض و کاربردی، 25، 597-582.
[ 36 ]	Akinwumiju، AS، Olorunfemi، MO و Afolabi، O. (2016) نقشه برداری خطی خودکار از داده های سنجش از راه دور: مطالعه موردی حوضه زهکشی اوسون، جنوب غربی نیجریه. مجله علمی ایف، 18، 177-201.