Alüminyum yataklarının uzaktan algılama (remote sensing) tekniği ile haritalanması: yöntemin Akseki-Seydişehir boksit yataklarına uygulanması

Abstract

Bu çalışma kapsamında Seydişehir-Akseki bölgesindeki karstik tipi boksit yatakları uzaktan algılama yöntemleri kullanılarak belirlenmeye çalışılmıştır. Bu kapsamda ASTER uydu görüntüsünün mineral araştırmalarına yönelik VNIR (Görünür Yakın Kızılötesi Radyometre) ve SWIR (Kısa Dalga Kızılötesi Radyometre) spektral bölgelerindeki ilk 9 bandı kullanılmıştır. Öncelikle geometrik düzeltmesi yapılan görüntülere eğitimli sınıflandırma ve band oranlamaları yöntemleri uygulanmıştır. Eğitimli sınıflandırma için Maksimum Olabilirlik (MO) yöntemi ve Linear Diskriminant Analizi (LDA) kullanılmış ve LDA metoduyla elde edilen görüntünün bölgedeki boksitli alanlarla daha iyi örtüştüğü görülmüştür. Diğer bir yöntemde ise boksit bileşimindeki minerallere göre bantlar seçilmiş ve bunların oranlamalarıyla görüntüler elde edilmiştir. Oran ve LDA görüntülerinde eşik değer tespit edilerek, incelenen her bir mineral için olası sonuç görüntüleri elde edilmiştir. Bu uygulamalar sonucu elde edilen görüntüler birbirileriyle çakıştırılarak, çalışma alanı ve yakın çevresinde bulunabilecek potansiyel boksit alan görüntüsü elde edilmiştir. Yapılan çalışmada, uzaktan algılama yöntemiyle elde edilen boksitli alanların görüntüsü ile bölgede daha önce arazi çalışmaları ile yapılan maden (boksit) haritalarının % 70 oranında örtüştüğü tespit edilmiştir.

In the frame of this study, the karst type bauxite deposits at Seydişehir-Akseki have been tried to determined by using remote sensing methods. First 9 bands of VNIR (Visible Near Infrared) and SWIR (Short Wavelength Infrared) spectral ranges which are ASTER satellite image?s ranges used in mineral research, are used in the study. First of all geometric correction of the images has been performed. After that, learning classification and band proportioning techniques has been applied Maximum Likelihood and Linear Discriminant Analysis methods are used for the learning classification, and it is seen that images comes from LDA methods has a better match up with the bauxite fields in the area. In the other method, bands have been selected with regard to minerals in the bauxite composition and images are produced using the proportioning of this bands. Possible result images are acquired for every investigated mineral by obtaining threshold value in the Proportion and LDA images. Potential bauxite field image of working area and its close proximity has been obtained by superposing the images resulting from these methods. In this study, it is determined that image produced by using the remote sensing methods corresponds to previously obtained mineral (bauxite) maps of the area which are prepared by field investigations, with 70 % percent correction.