ارائه یک الگوریتم جدید به منظور بسط روش درون‌یابی وزن‌دهی عکس فاصله در منطقه حراران

نوع مقاله : مقاله پژوهشی

نویسندگان

دانشکده مهندسی معدن و متالورژی، دانشگاه یزد

10.17383/S2251-6565(15)940914-X

چکیده

روش وزن­دهی عکس فاصله یک درون­یابی متداول، آسان، قابل­فهم و سریع در بسیاری از شاخه­های علوم زمین است و دستور اجرای آن در بیشتر نرم­افزارهای معدنی مرتبط با تخمین تعبیه شده است، تلاش در جهت ارتقاء صحت و دقت آن می‌تواند کاربرد این روش را فراگیرتر کند و فرآیند درون­یابی را قابل­اعتمادتر گرداند. در این مقاله، ساختار فضایی عناصر مختلف حاصل از تجزیه نمونه­های سنگی مرتبط با پتانسیل­یابی کانه­زایی مس پورفیری در منطقه حراران به کمک واریوگرام مطالعه شده و براساس پارامترهای واریوگرام معیاری برای محاسبه مقدار توان عکس فاصله پیشنهاد شده است، به منظور اعتبارسنجی، درون­یابی وزن­دهی عکس فاصله بر روی داده­های ژئوشیمیایی و به ازای مقادیر مختلف توان عکس فاصله (مقادیر متداول توان و توان محاسبه شده بر اساس واریوگرام) پیاده­سازی گردیده است و درصد خطا و مجذور میانگین مربعات خطای درون­یابی محاسبه شده است. درون­یابی در محیط متلب کدنویسی شده و نتایج حاصله برای عناصر مختلف ارائه و با توجه به ویژگی­های هر عنصر تحلیل شده است. براساس نتایج حاصل، شیب بخش خطی واریوگرام کروی معیاری از مقدار توان عکس فاصله(a) است به طوری که مقدار آن برای عناصر با ساختار فضایی نسبتاً پیوسته برابر با مقادیر متداول  a(1، 2 و 3) است و روش وزن­دهی عکس فاصله برای درون­یابی این عناصر قابل کاربرد است.


کلمات کلیدی: درونیابی، وزن دهی عکس فاصله، توان عکس فاصله، واریوگرام، درصد خطای درونیابی

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

A new algorithm for developing inverse- distance weighting interpolation method in Hararan region

نویسندگان [English]

  • Maryam Mohammadizadeh
  • Farhad Mohammadtorab
Dept. of Mining and Metallurgy, Yazd University
چکیده [English]

Inverse-distance weighting method is a simple, easy and understandable interpolation in many branches of earth sciences, and it is embedded in the mining software related to estimation, Efforts to enhance the accuracy and precision of this method can be applied to a wider and reliable interpolation process. In this paper, spatial structure of different elements from analysis of rock samples associated with a porphyry copper deposit is studied using variogram. A criterion based on variogram parameters is suggested for each element to calculate the distance power. In order to validate the method, inverse-distance weighting interpolation of the different elements and different values for the inverse-distance power is implemented (common values and calculated power), error percent and root mean square error of interpolation is calculated and analyzed. Interpolation is coded in MATLAB environment and the results for different elements are demonstrated and analyzed. Based on the results, the slope of the linear part spherical variogram is measured of the amount of inverse-distance power (a) so that the values for the elements with relatively continuous spatial structure equal common values of a (1, 2 and 3) and Inverse distance weighting method is applicable for these elements.

کلیدواژه‌ها [English]

  • Interpolation
  • Inverse-distance weighting
  • Inverse-distance power
  • Variogram
  • Percent error of interpolation
[1]  Lu, G. Y., & Wong, D. W. (2008). An adaptive inverse-distance weighting spatial interpolation technique. Computers & Geosciences, 34(9), 1044-1055.
[2] Burough PA, M.R. (1998). Creating continuous surfaces from point data. Oxford University Pres, Oxford, UK.
[3] Myers, D.E. (1994). Spatial interpolation: an overview. Geoderma, 62(1), 17-28.
[4] Li, J. and A.D. Heap. (2011). A review of comparative studies of spatial interpolation methods in environmental sciences: performance and impact factors. Ecological Informatics. 6(3), 228-241.
[5] Weber. D., Englund. E. (1994). Evaluation and comparison of spatial interpolators II. Mathematical Geology. 26, 589–603.
[6] Wilson, J.P., Gallant, J.C. (2000). Terrain Analysis. Principles and Applications Wiley, New York, 479.
 
[7] Creutin, J.D., Obled, C. (1982).  Objective analyses and mapping techniques for rainfall fields: an objective comparison. Water Resources Research.18, 413-431
[9] Goovaerts, P. (2000). Geostatistical approaches for incorporating elevation into the spatial interpolation of rainfall. Journal of hydrology. 228(1), 113-129.
[9] Chaplot, V., et al. (2006) Accuracy of interpolation techniques for the derivation of digital elevation models in relation to landform types and data density. Geomorphology, 77, 126-141.
[10] Matheron, G. (1963). Principles of geostatistics. Economic Geology. 58, 1246–1266.
[11] Star, J. and J.E. Estes. (1990). Geographic Information Systems: An Introduction. Prentice Hall.
[12] Robinson, T.P. and G. Metternicht. (2003). A comparison of inverse distance weighting and ordinary kriging for characterising within-paddock spatial variability of soil properties in Western Australia. Cartography. 32(1), 11-24.
[13] Hassani Pak, A. (1386). Geostatistic. Tehran. Tehran university. (In persian).
[14] Noroozi, Gh. (1385). Modeling and ore estimation of Masjeddaghi gold deposit with geostatistic, Jolfa, Eastren Azarbaijan. Journal of Mining engineering.(In Persian)
[15] CHENG, Q. (1999). Multifractal interpolation. Proceedings of the Firth Annual Conference of the International Association for Mathematical Geology, Trondheim, Norway. 1, 245–250.
[16] Cheng, Q. (1999). Multifractality and spatial statistics. Computers & Geosciences. 25, 949–961.
[17] Fedele, L., Plant, J. A., De Vivo, B. & Lima, A.  (2008). The rare earth element distribution over Europe: geogenic and anthropogenic sources. Geochemistry, Exploration, Environment Analysis. 8, 3–18.
[18] Lima, A., et al. (2003). Multifractal IDW interpolation and fractal filtering method in environmental studies: an application on regional stream sediments of (Italy), Campania region. Applied Geochemistry. 18(12), 1853-1865.
[19] Frattini, P., De Vivo, B., Lima, A. & Cicchella, D. (2006). Background and baseline concentration values of human health harmful elements and gamma ray survey in the volcanic soils of Ischia island (Italy). Geochemistry: Exploration, Environment, Analysis. 6, 325–339.
[20] Lima, A., Albanese, S. & Cicchella, D. (2005). Geochemical baselines for the radioelements K, U, and Th in the Campania region, Italy: a comparison of stream-sediment geochemistry and gamma-ray surveys. Applied Geochemistry. 20, 611–625.
[21] Johnston K, V.H.J., Krivoruchko K, Lucas N. (2001). Using ArcGIS Geostatistical Analyst. Environmental Systems Research. Redlands,USA.
[22] Abbaszadeh, S. (1389). Finding potential of copper porphyry mineralization with use of remote sensing and geochemical data,Ghaleh Asgar (Hararan). Shhid Bahonar university of Kerman, (In Persian).