شوری و قلیایی بودن خاک یکی از مشکلات عمده در مناطقی است که میزان بارندگی در آن ها کمتر از میزان تبخیر و تعرق است. در چنین شرایط اقلیمی نمک های محلول در سطح خاک تجمع می یابند و سبب کاهش عملکرد و حاصل خیزی خاک می شوند. بنابراین، شناسایی اراضی شور و گستره آن در این خاک ها می تواند به اصلاح و بهبود مدیریت آن ها کمک کند. این پژوهش با هدف تخمین مقادیر هدایت هیدرولیکی خاک های شور با استفاده از تصاویر ماهواره ای هایپریون EO-1 در شمال دشت اورمیه انجام شد. در این بررسی، پاسخ طیفی 40 (Spectral Response) نمونه خاک به وسیله طیف سنج اسپکترورادیومتر اندازه گیری شد. تصویر ماهواره ای هایپریون نیز برای شناسایی و طبقه بندی کلاس های شوری از آرشیو سایت USGS گرفته شد. بعد از تصحیحات لازم بر روی این تصاویر، باندهای حساس به شوری از نمونه های طیف سنجی شده شناسایی، و شاخص شوری مناسب ایجاد شد. نتایج نشان داد که شاخص شوری حاصل از باندهای 41 و 219، بالاترین همبستگی (0.89=R2) را با مقادیر شوری دارند. برای برآورد میزان شوری از مقادیر شاخص شوری با استفاده از رگرسیون خطی تک متغیره مدلی استخراج شد که این مدل با RMSE=1.2 میلی زیمنس بر سانتی متر و R2=0.8 اعتبارسنجی شد، سپس مدل به دست آمده بر روی تصویر ماهواره ای به صورت پیکسل به پیکسل اجرا و صحت کلی 75 درصد و ضریب کاپای 65 درصد تعیین شد که نشان می دهد داده های هایپریون پتانسیل قابل قبولی را برای پیش بینی مقادیر شوری در منطقه مطالعه شده دارند.

در ایران باتوجه به وسعت زیاد کشور و گستردگی مناطق پتانسیل دار ذخایر معدنی، شناسایی و مدیریت صحیح ذخایر اهمیت بسیار بالایی دارد. از طرف دیگر به دلیل پیشرفت های فن آوری سنجش از دور و تولید داده های فراطیفی با اطلاعات طیفی فراوان، استفاده از این داده ها جهت مطالعه دقیق پدیده ها به سرعت در حال گسترش است. تصاویر فراطیفی به دلیل نمایش گسترده خصوصیات طیفی عوارض و پدیده های سطح زمین در بسیاری از علوم مرتبط با زمین مورد توجه قرار گرفته اند. از آن جایی که بسیاری از مواد معدنی در محدوده مادون قرمز کوتاه ویژگی های طیفی منحصر به فردی دارند، تشخیص و تفکیک آن ها به کمک تصاویر فراطیفی به جهت پهنای باندی بسیار کمی که دارند، بسیار حائز اهمیت است. در این پژوهش قصد داریم به تفکیک مناطق آلتراسیون مرتبط با مس پورفیری به کمک تصاویر فراطیفی هایپریون و با استفاده از دو الگوریتم نقشه بردار زاویه طیفی (SAM) و طبقه بندی کننده مدل آمیخته گاوسی بپردازیم. شایان ذکر است که انجام پیش پردازش های لازم بر روی تصاویر فراطیفی هایپریون به دلیل داشتن نسبت سیگنال به نویز پایین، یکی از گام های بسیار ضروری به جهت رسیدن به نتایج مطلوب می باشد. به منظور مقایسه و ارزیابی صحت روش های پیشنهادی در این تحقیق، ابتدا داده تصویری از سنجنده هایپریون مورد استفاده قرار گرفت. همچنین یک داده شبیه سازی شده مورد استفاده قرار گرفت، تا کارایی الگوریتم های مورد استفاده در این تحقیق را نشان دهند. برای ارزیابی نتایج نیز از ماتریس خطا به کمک داده های زمینی استفاده شد و مولفه ها دقت کلی و ضریب کاپا به عنوان معیار ارزیابی مورد استفاده قرار گرفتند. دقت کلی و ضریب کاپا برای الگوریتم SAM و آمیخته گاوسی به ترتیب معادل با 82%، 0.75 و 80%، 0.71 حاصل شد.

تصویربرداری فراطیفی، ترکیبی از فناوری تصویربرداری و طیف سنجی است که مقادیر زیادی از اطلاعات فضایی و طیفی را به طور همزمان ارائه می دهد، و امروزه به عنوان یک ابزار تشخیص غیرمخرب و سریع برای ارزیابی کیفیت و ایمنی مواد غذایی در حال گسترش است. در این پژوهش با استفاده از تصویربرداری فراطیفی، در محدوده طول موج nm400-950 و با وضوح کیفی nm 795/0، چگونگی فرایند بیات شدن نان و تاثیر آن بر رفتار نان بررسی شد. بعد از استخراج مولفه های اصلی، به منظور پیش بینی ویژگی های بافتی از سه روش مدل سازی PCR، PLSR و GRNN طی شش روز نگهداری استفاده شد؛ نتایج نشان دادند روش GRNN نسبت به دو روش دیگر دارای بیشترین مقادیر ضریب تشخیص R^2 برای دو ویژگی، ارتجاعیت و سفتی به ترتیب 96/0 و 94/0 و همچنین کمترین مقدار خطا RMSE برای دو ویژگی، پیوستگی و سفتی به ترتیب 11/0 و 32/0 می باشد که نشاندهنده توانایی مدل شبکه عصبی رگرسیون تعمیم یافته برای پیش بینی ویژگی های بافتی نان است.

تشخیص و شناسایی اعضای انتهایی یکی از موارد مهم در بالا بردن صحت روش های تجزیه طیفی در دورسنجی است. در سال های اخیر، روش هایی که متکی بر وجود تعدادی پیکسل خالص در تصویر هستند توسعه بیشتری داشته اند، حال آن که این روش ها در مطالعات کانی شناسی که احتمال وجود پیکسل های خالص در داخل تصویر پائین است، مشکلاتی را ایجاد می کنند. هدف از این مطالعه، بررسی روش ORASIS برای تشخیص اعضای انتهایی موجود در داده های هایپریون منطقه آق داغ اردبیل و مقایسه نتایج با روش اندیس خلوص پیکسلی (PPI) است. مزیت این روش با توجه به مشکل عدم حضور پیکسل خالص در دورسنجی اکتشافی، این است که شامل الگوریتم هایی است که به صورت هوشمندآن های عمل قیاس را با فضای خارج از مجموعه داده ها انجام می دهد و منجر به تولید اعضای انتهایی می شود که لزوما داخل تصویر نیستند. با اعمال ORASIS روی داده های هایپریون منطقه، 23 عضو انتهایی تولید شدند. شناسایی اعضای انتهایی و اختصاص ترکیب های کانی شناسی مختلف از طریق آنالیز طیفی و مقایسه نمودار های طیفی آن ها با کتابخانه طیفی USGS با استفاده از تکنیک های SAM و SFF انجام شد. در نهایت 10 ترکیب کانی شناسی غالب هورنبلند، آرسنوپیریت، کائولینیت، ورمیکولیت، ژیپس، لپیدولیت، لیمونیت، آلونیت، چرت و مالاکیت در منطقه شناسایی شدند. در مقابل، روش PPI، 5 ترکیب کانی شناسی غالب کائولینیت / اسمکتیت، کلینوپتیلولیت، سلسیان، موسکوویت و مونتموریونیت شناسایی کرد. نقشه های فراوانی و طبقه بندی حاصل از روش جداسازی طیفی خطی مربوط به دو روش ORASIS و PPI با گزارش های زمین شناسی منطقه مورد مطالعه و مشاهدات صحرایی تحت مقایسه و بررسی شدند که نتایج نشان از برتری و صحت عملکرد روش ORASIS در زمینه تشخیص اعضای انتهایی از دیدگاه کانی شناسی دارد.