دانلود رایگان ترجمه مقاله کاربرد تکنیک های سنجش از دور (ساینس دایرکت – الزویر ۲۰۰۸)

 

 

این مقاله انگلیسی ISI در نشریه الزویر در ۱۰ صفحه در سال ۲۰۰۸ منتشر شده و ترجمه آن ۲۰ صفحه بوده و آماده دانلود رایگان می باشد.

 

دانلود رایگان مقاله انگلیسی (pdf) و ترجمه فارسی (pdf + word)
عنوان فارسی مقاله:

استفاده از تکنیک های سنجش از راه دور برای مطالعه افیولیت

عنوان انگلیسی مقاله:

The application of remote sensing techniques to the study of ophiolites

دانلود رایگان مقاله انگلیسی
دانلود رایگان ترجمه با فرمت pdf
دانلود رایگان ترجمه با فرمت ورد

 

مشخصات مقاله انگلیسی و ترجمه فارسی
فرمت مقاله انگلیسی pdf
سال انتشار ۲۰۰۸
تعداد صفحات مقاله انگلیسی ۱۰ صفحه با فرمت pdf
نوع مقاله ISI
نوع نگارش مقاله مروری (Review Article)
نوع ارائه مقاله ژورنال
رشته های مرتبط با این مقاله جغرافیا – زمین شناسی
گرایش های مرتبط با این مقاله سنجش از دور و سیستم اطلاعات جغرافیایی – سنگ شناسی – زمین ساخت یا تکتونیک
چاپ شده در مجله (ژورنال)/کنفرانس بررسی های علوم زمین
کلمات کلیدی سنجش از دور – ASTER – افیولیت
کلمات کلیدی انگلیسی remote sensing – ASTER – ophiolite
ارائه شده از دانشگاه گروه علوم زمین، دانشگاه هیوستون
نمایه (index) Scopus – Master Journal List – JCR
شناسه شاپا یا ISSN ۱۸۷۲-۶۸۲۸
شناسه دیجیتال – doi https://doi.org/10.1016/j.earscirev.2008.04.004
لینک سایت مرجع https://www.sciencedirect.com/science/article/abs/pii/S0012825208000561
رفرنس دارای رفرنس در داخل متن و انتهای مقاله
نشریه الزویر – Elsevier
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  ۲۰ صفحه با فونت ۱۴ B Nazanin
فرمت ترجمه مقاله pdf و ورد تایپ شده با قابلیت ویرایش
وضعیت ترجمه انجام شده و آماده دانلود رایگان
کیفیت ترجمه

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

کد محصول F2255

 

بخشی از ترجمه

۴٫ نقشه برداری افیولیت ها توسط سنجش از دور
بسیاری از ماهواره ها در حال چرخش بدور مدار زمین هستند و یا به دورمدار زمین چرخیده اند. به طور گسترده این ماهواره ها را می توان به دو دسته، ماهواره های منابع زمینی ویا زیست محیطی گروه بندی کرد. ماهواره های زیست محیطی بر شرایط محیط زیست با نوارعرضی ۱۰۰ کیلومتر (وضوح درشت)نظارت دارند. استفاده ازماهواره های زیست محیطی در زمین شناسی متداول و مرسوم نیست اما دارای پتانسیل برای برنامه های منطقه ای و جهانی است. به عنوان مثال ابزارتصویربرداری طیفی پرتویی با وضوح متوسط (MODIS) یک سنسوراولیه برای جمع آوری داده ها به منظورنظارت تغییر جهانی برروی هر دو مورد یعنی ماهواره ترا و آکوا می باشد. با گستردگی نوار ۲۳۳۰ کیلومتری آن،سنسور MODIS یک پوشش دو روزه از کره زمین در ۳۶ دسته طیفی در وضوح های فضایی ۵۰۰M ، ۲۵۰m و ۱ کیلومتر فراهم می کند. این داده ها بدون هزینه در دسترس هستند . شکل. ۱ یک تصویر MODIS ارتقاء یافته ازتمام داده های ارتفاع دیجیتالی را که نشان دهنده توده ها و اجرام بزرگ افیولیت در منطقه Tethyanهستند نشان می دهد.

ماهواره های منابع زمینی از منابع تجدید پذیر و غیر قابل تجدید (همراه با برنامه های کاربردی دیگر) با نوار عرضی ۲۰۰ کیلومتر(وضوح خوب) نقشه برداری می کنند. ماهواره های منابع زمینی شامل سنسورهایی مانند لندست،SPOT، ASTER، IKONOS، و غیره، می باشند و به طور معمول در برنامه های کاربردی زمین شناسی استفاده می شوند. جدول ۱ خلاصه ای از قدرت تفکیک طیفی و مکانی برای سنسورهای سنجش از راه دور متداول را نشان می دهد .با ظهور گوگل زمین دانلود یک تصویر و استفاده از آن به عنوان پس زمینه که برروی آن داده های برداری را می توان در نرم افزار سیستم اطلاعات جغرافیایی (GIS) و یا برنامه های کاربردی دیگرنمایش داد امکان پذیر است . همچنین، ۲۰۰۰ GeoCover جهانی لندست ناسا ۷ موزاییک بطور رایگان با فایل های MrSID با ترکیب رنگی از https://zulu.ssc.nasa.gov/mrsid دردسترس هستند . هر کدام ازفایل های MrSID شامل یک تصویر رنگی ۲۴ بیتی با باند ۷ قرمز، باند ۴ سبز، و باند ۲ به صورت آبی رنگ هستند.
متمایز سازی و تشخیص سنگ شناسی مفصل نیاز به تکنیک های پیشرفته پردازش تصویر دیجیتال دارد. به عنوان مثال، داده های خام دریافت شده از سنسور راه دور اغلب شامل نقص بوده و نیاز به پیشرفت برای استخراج اطلاعات دارند.نیاز های پردازش تصویر از یک تصویر به تصویردیگر، بسته به نوع داده ها، شرایط اولیه تصویر، و نوع اطلاعات مورد نظر متفاوت هستند. پردازش تصویر دیجیتال معمولا بر روی داده های شطرنجی اعمال می شود، و هر تصویر به صورت یک آرایه x و y از اعداد دیجیتال عمل اوری می شود. ما در اینجا تکنیک های پردازش تصویرقابل استفاده برای نقشه برداری افیولیت را خلاصه می کنیم.
روتری (۱۹۸۷) گدازه ها ، دایکهای ورقه ای و توالی پوشش در افیولیت عمان را با استفاده از ماهواره لندست آیفون TM تصویرکامپوزیت با استفاده از باندهای رنگ ۷، ۵ و ۴ متمایز کرد. سلطان و همکاران(۱۹۸۷) مجموعه های بعدی از ضریب باندهای TM برای نقشه برداری سرپانتینیت ها در صحرای شرقی مصرشناسایی کرد؛ (۱) TM باند ۵/۱ به منظور تاکید تغییرات کلی به علت محتوای مواد معدنی مات؛(۲) گروه ۵/۷ به منظور تاکید تغییرات در محتوای هیدروکسیل دارمواد معدنی؛ و (۳) گروههای ۵/۴ X 3/4 به منظور تاکید بر تغییرات مرتبط با باندهای انتقال الکترونیکی در سیلیکات ها (به عنوان مثال، آمفیبول) در نزدیکی ۱٫۰ میکرون . کشش همبستگی زدایی از این باند ها (ماهواره لندست TM، ۷-۵-۴) در نقشه برداری سنگ شناسی پلوتونیک افیولیت عمان موثریافت (آبرامز و همکاران، ۱۹۸۸). Chevrel و همکاران (۱۹۹۱) داده های اصلاح شده به صورت هندسی رادیومتری SPOT و دایکهای ورقه ای،گابروها را در افیولیت سیمایل عمان مورد استفاده قراردادند. با استفاده ازداده های JERS-1 وDenniss و همکاران (۱۹۹۴) قادر به نقشه برداری دقیق تر از مرزهای سنگ شناسی در دنباله ای از هارزبورگیت به گابروها لایه لایه در افیولیت عمان شدند .با استفاده از داده های تکنیک طیفی AngelMapper (SAM در LandsatTM، وندرمیر و همکاران (۱۹۹۷) قادر به تشخیص مرز بین دو نوع گدازه که یک منطقه برای کانی سازی مس را تشکیل می دهند هستند. آنها همچنین قادر به شناسایی دونیت سرپانتینی که ممکن است میزبان رسوبات آزبست باشد بودند.

انتشار حرارتی پیشرفته هوابرد و ابزار رادیومتر یا پرتوسنج بازتاب (ASTER) توسط NASDA ایجاد و توسط سازمان ملی هوانوردی و فضایی آمریکا (ناسا) در ماهواره ترا در دسامبر ۱۹۹۹ به عنوان بخشی از سیستم رصد کره زمین راه اندازی شد (EOS). این برنامه سه باند (دربرگیرنده تلسکوپ در باند ۳ برای استریو جفت دیجیتال / نسل DEM نمی باشد) در رزولوشن قابل مشاهده نزدیک به مادون قرمز (VNIR) در ۱۵M، شش باند در موج کوتاه مادون قرمز (SWIR) در رزولوشن ۳۰m ،و ۵ باند در حرارتی مادون قرمز(تیر) در رزولوشن ۹۰m فراهم می کند. داده های ASTER دارای ردیف هایی ۶۰ کیلومتری گسترده هستند. ASTERقدرت تفکیک مکانی و طیفی بهتری نسبت به داده های لندست TM فراهم می کند (نگاه کنید به جدول ۱). نینومیا (۲۰۰۳) در خصوصیات طیفی مواد معدنی مختلف در داده های ASTER بازبینی کرد و شاخص معدنی زیر را فرموله کرد:
OH دارای شاخص تغییر یافته معدنی است، = (باند ۷ / Band6) × (باند ۴ /باند ۶)
شاخص کائولینیت (KLI) = (باند ۴ / باند۵) × (باند ۸ / باند ۶)
شاخص آلونیت (ALI) = (باند ۷ / باند ۵) × (باند ۷ / باند ۸)
شاخص کلسیت (CLI) = باند ۶ / باند ۸) × (باند ۹ / باند ۸).
این شاخص ها در سطح-۱Bدرخشندگی ASTER صحنه های حسگر در منطقه کوپریت در نوادا، ایالات متحده،به کار گرفته شد و این روش دارای پتانسیل برای نقشه برداری سنگ شناسی های افیولیت می باشد. با استفاده از ASTER داده های حرارتی مادون قرمز (تیر)، نینومیا و همکاران (۲۰۰۵) نیز شاخص کوارتز (QI)، شاخص کلسیت (CI)، و شاخص مافیک (MI) را ارائه کردند، که در آن QI = (باند ۱۱ × باند ۱۱) / (باند ۱۰ × باند ۱۲)، CI = (باند ۱۳ / باند ۱۴)، و MI = (باند ۱۲ / باند ۱۳). این تکنیک در مناطق چین و استرالیا به کار گرفته شد و نتایج نشان داد که این شاخص ها سنگ های کوارتز، کربنات و سنگ های مافیک-اولترامافیک را از یکدیگر متمایز ساختند. Rowan و همکاران (۲۰۰۵) از داده ASTER به منظور نقشه برداری از مجموعه موردور،در استرالیا، که متشکل از سنگ های مافیک-اولترامافیک پتاسیک بود استفاده کردند. مشخص شد که تصاویر نسبت باند، یک روش سریع برای تشخیص سنگ شناسی ارائه کردند. پردازش با این حال، SAM و پردازش فیلتر همسان از داده های VNIR و SWIR اطلاعات سنگ شناسی بیشتری ارائه کرده است. خان و گلن (۲۰۰۶) از امتداد ارتباط زدائی ، تجزیه و تحلیل مولفه های اصلی و SAM تکنیک های طبقه بندی SAM برروی ASTER استفاده کردند و یک نقشه ساختاری سنگی درمقیاس ۱: ۰۰۰ ۲۵۰ برای شمال پاکستان ایجاد نمودند.

۵٫ نتایج سنجش از راه دور باغ مسلم
نقشه های اولیه از MBO بر اساس سنجش از راه دور و مشاهدات میدانی توسط خان و همکاران، ۲۰۰۷b ایجاد شد. در این مقاله، ما درمورد این نتایج بحث می کنیم و نشان می دهیم، که بر اساس مطالعات میدانی، تا چه حد سنگ شناسی های اصلی را می توان از داده های سنجش از راه دور شناسایی کرد. این اطلاعات را می توان به عنوان پایه ای برای نمونه برداری بیشتر برای ژئوشیمیایی ودیگر مطالعات مبتنی بر نمونه مورد استفاده قرار داد . برای مشخص کردن اهمیت ورقه های دلوریت و دایک و برجسته سازی واحد های سنگی دیگر،تصاویر ماهواره ای ASTER بیشتر در این مطالعه مورد پردازش قرار گرفت.ما یک تصویرمجزای ASTER بدست امده در۱۰ آوریل ۲۰۰۶ از روی MBO را بررسی کردیم.باندهای موج کوتاه مادون قرمز،(SWIR) نتایج بهتری برای متمایز سازی و مشخص کردن سنگ شناسی ازافیولیت ارائه می کنند (به عنوان مثال، روآن و همکاران، ۲۰۰۵؛ خان و گلن، ۲۰۰۶). داده های تصویر با استفاده از نرم افزار ENVI 4.4 پردازش گردید .یک الگوریتم صبت بقایا برای داده های SWIR،بکار گرفته شد و داده ها به صورت فضایی تا ۱۵M تفکیک شدند. الگوریتم ثبت بقایا سر و صدا و نویز را از توپوگرافی ، ابزار و نور خورشید (گرین و همکاران، ۱۹۸۸) با استفاده از فرمول زیر کاهش می دهد:

که در آن B1 = باندهای SWIR از ۱ تا ۶؛ B2 = متوسط باند محاسبه شده ازباندهای ۶ SWIR؛ متوسط = میانگین محساباتی.
ما ازالگوریتم ثبت بقایا برای تمام باندهای SWIR استفاده کردیم تصویر ترکیب رنگ باندهای ۴-۵-۸ تویر از ثبت داده های باقی مانده در شکل. ۳A.نشان داده شده است. داده پردازش شده ASTER قادر به اعمال تبعیض و متمایزسازی در افلب سنگ شناسی ها بود. هارزبورگیت و دونیت به دلیل حضورمواد معدنی مات تیره هستند (به عنوان مثال، کرومیت). مشاهدات میدانی نشان می دهند که هارزبورگیت ها بدنه های حجیم و توده ای را شکل می دهند و شایع ترین سنگ اولترامافیک در منطقه مورد مطالعه می باشند. می توان آن را به راحتی در میدان توسط نمایان شدن و بیرون آمدن “حقه-ناخن” تشخیص داد و آن به طور کلی سرپنتینیزاسیون را نشان می دهد. سطح تازه سیاه و سفید مایل به سبز است، اما رنگ سطح هوازده قهوه ای تیره مایل به قهوه ای است. آنها متوسط تا درشت دانه هستند و در مکان ها porphyroclastic به mylonitic می باشند (شکل ۴a). دونیت ها دومین سنگهای اولترامافیک از نظر فراوانی هستند ، دونیت ها اساسا از الیوین و اسپینل (۰۱/۰۲٪) تشکیل می شوند. بسیاری از بیرون زدگی های دونیت دارای غلظت زیادی از کرومیت هستند، که به صورت محلی در مناطق استخراج میشوند. ساختارها در این توده های کرومیت هماهنگ با سنگ میزبان هستند (دونیت). اولترامافیک های سرپانتینی شده و سرپانتینی قرمز یا مایل به قرمز هستند و این به دلیل مواد معدنی آبدار مانند آنتیگوریت و یاقوت سبز است که دارای بازتاب روشن در باند ۴ هستند و باندهای ارتعاشی و OH-کششی نزدیک به ۲٫۱μm را نشان می دهند (شکل ۳C). سرپانتینیت دیاپیرها درمیدان (شکل ۴B) تایید شدند. سرپانتینیت ها در این توده ها از بیش از ۹۰ درصد از سرپانتینیت بامواد معدنی باقی مانده که مات و الیوین یا زیتونی هستند (اسپینل و مگنتیت) تشکیل شده اند.
تبدیل کسر حداقل سر و صدا (MNF) برای تعیین ابعاد ذاتی داده های نویز در تصویر و برای کاهش نیاز محاسباتی برای پردازش پس از آن استفاده شده است(. بردمن و همکاران، ۱۹۹۵) . MNF شامل دو مرحله است؛ در مرحله اول که سفید کردن نویز نامیده میشود اجزای اصلی برای ماتریس کوواریانس نویز محاسبه میشوند، این مرحله نویز را در داده ها رنگ زدایی و مقیاس بندی دوباره میکند. در مرحله دوم اجزای اصلی از داده های سفید شده نویز اقتباس می گردند. داده را می توان به دو بخش تقسیم کرد:یک بخش در ارتباط با ارزش ها و مقادیر بزرگ ایگن و بخش دیگر با یکپارچگی نزدیک به ارزش ایگن و تصاویر غالب شده توسط نویز. با استفاده از داده ها از ارزش و مقدار بزرگ ایگن نویز از داده ها جدا میشود، و نتایج طیفی بهبود می یابد (گرین و همکاران، ۱۹۸۸). تحول MNFبرای داده های ASTER به کار گرفته شد که، پریدوتیت وسرپانتینیت، دیوریت، و سنگ آهک را تقویت می نمود (شکل ۳B). تفسیر سنجش از راه دور در طول این زمینه کاری ما در سال ۲۰۰۶ تایید شد . از راه دور تفسیر سنجش در طول این زمینه ما تایید شدکار در سال ۲۰۰۶٫ کار ما حضور تعداد زیادی از دایک های دلریتی و تاقچه های برش خورده از تخته سنگ های پوششی را نشان می دهد ؛ این تختته سنگ ها همچنین دگرگونی متامورفیک و منطقه themélange را برش می دهند . اطلاعات ما وجود دیاپیرهای سرپانتینیتی و میزان مجموعه دایک ورقه شده را نشان می دهد.

 

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا