Klassifisering av mineralene alunitt og goethitt med tre sensorer, HySpex, Senitnel-2 og EMIT, med varierende geometrisk og spektral oppløsning

Abstract

Fjernmåling er en banebrytende metode for deteksjon av mineraler, og muliggjør identifisering av mineraler med høy presisjon (van der Meer mfl., 2012; Okada, 2022, s. 429). Nevada har en rik geologi, og er derfor er et ideelt område for å gjennomføre mineralanalyser med fjernmåling (Tripathi og Garg, 2021). Datagrunnlaget for analysen er hentet fra fjellområdet Cuprite som ligger i Nevada, USA.

I denne studien utføres en analyse ved hjelp av tre ulike sensorer: HySpex, Sentinel-2 og EMIT. Studien undersøker hvordan variasjoner i geometrisk og spektral oppløsning påvirker evnen til å oppdage mineralene alunitt og goethitt. Tre sentrale forskningsspørsmål adresseres. Det første setter søkelys på hvordan sensorenes ulike oppløsninger påvirker kvaliteten på mineraldeteksjonen. Det andre spørsmålet handler om muligheten til å oppdage alunitt og goethitt fra satellittbilder. Det tredje spørsmålet omhandler hvor godt den utviklede klassifiseringsmetoden presterer over et større geografisk område. Forskningsmetodikken inkluderer bruk av prinsipalkomponentanalyse (PCA) for å fremheve forskjeller, etterfulgt av mineralindekser. Til slutt gjennomføres en Random Forest-klassifisering for å identifisere de spesifikke mineralene.

Hovedfunnene indikerer at HySpex-sensoren oppnår høy nøyaktighet i klassifiseringen, mens både EMIT og Sentinel-2 viser betydelig svakere resultater. Dette er i tråd med forventningene på grunn av deres lavere spektrale og geometriske oppløsning. Interessant nok er resultatene mellom de to sistnevnte sensorene overraskende jevne, selv om EMIT har betydelig dårligere geometrisk oppløsning per piksel, med 60 meter mot Sentinel-2s 10 meter. Resultatene fra EMIT er imidlertid ikke helt pålitelige, da det er få testpunkter på grunn av det begrensede studieområdet. Sentinel-2 presterer generelt bedre, men EMIT utmerker seg med sin overlegne spektrale oppløsning, noe som er avgjørende for nøyaktig mineralidentifikasjon. Studien underbygger derfor betydningen av spektral fremfor geometrisk oppløsning i mineraldeteksjon.

Remote sensing technology is a groundbreaking tool for detecting minerals, allowing identification and characterization with high precision (van der Meer mfl., 2012; Okada (2022), s. 429). Nevada has a rich geology, making it an ideal place for mineral analysis using remote sensing (Tripathi og Garg, 2021). The data for the analysis comes from the Cuprite mountain area in Nevada, USA.

This study conducts an analysis using three different sensors: HySpex, Sentinel-2, and EMIT. It explores how variations in geometric and spectral resolution affect the ability to detect the minerals alunite and goethite. The study addresses three key research questions. The first focuses on how different sensor resolutions impact the quality of mineral detection. The second question investigates the ability to detect alunite and goethite from satellite imagery. The third explores the potential of applying the developed classification method to larger geographical areas. The research methodology uses principal component analysis (PCA) to highlight differences, followed by mineral indices. Finally, a Random Forest classification is used to identify specific minerals.

The main findings indicate that the HySpex sensor achieves high accuracy in classification, while both EMIT and Sentinel-2 show significantly weaker results. This is expected due to their lower spectral and geometric resolution. Interestingly, the results between EMIT and Sentinel-2 are surprisingly similar, even though EMIT has much lower geometric resolution per pixel, at 60 meters compared to Sentinel-2’s 10 meters. However, the results from EMIT are not entirely reliable because there are too few test points due to the limited study area. Sentinel-2 generally performs better, but EMIT stands out for its superior spectral resolution, which is crucial for accurate mineral identification. The study thus emphasizes the importance of spectral over geometric resolution in mineral detection.