Mapping Lithological Units of an Evaporite Formation using ASTER data: a Case Study from Zagros Fold Belt, SW Iran
محل انتشار: مجله معدن و محیط زیست، دوره: 15، شماره: 2
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 46
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JMAE-15-2_014
تاریخ نمایه سازی: 8 بهمن 1402
چکیده مقاله:
Evaporites are sediments that chemically precipitate due to the evaporation of an aqueous solution. Most evaporite formations, in addition to evaporite minerals, include detrital rocks such as mudstone, marl, and siltstone. Principal Component Analysis (PCA), Directed Principal Component Analysis (DPCA), and Band Ratio methods were applied to Advanced Space-borne Thermal Emission and Reflection Radiometer (ASTER) data for mapping the Gachsaran evaporite formation and distinguishing its lithological units in the Masjed Soleiman oil field, located in southwestern Iran. This oil field was the first recognized oil field in the Middle East. Colour composites of PCs ۴, ۵, and ۲, as RGB images, effectively discriminated this formation from other sedimentary formations. The gypsum spectrum, resampled to the ۹ band centres of ASTER, exhibited reflectance in bands ۴ and ۸ and absorption in bands ۶ and ۹. As a result, these bands were selected for DPCA application. PC۴ effectively highlighted gypsum outcrops as bright pixels, while the band ratio ۲/۱ accentuated ferric iron, appearing as bright pixels, which correlated with the red marls. The results of this study demonstrate that ASTER image processing is a cost- and time-effective method that can be utilized for mapping evaporite formations and distinguishing their lithological units.
کلیدواژه ها:
نویسندگان
Khadijeh Validabadi Bozcheloei
Faculty of Geoscience, Shiraz university, Shiraz, Iran
Majid Tangestani
Faculty of Geoscience, Shiraz university, Shiraz, Iran
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 :