WorldView-3 (WV-3) is the first high spatial resolution and super-spectral commercial satellite which has the capability in improvement of geological mapping. The VNIR-SWIR data of this satellite are evaluated in this study for mapping the lithological units of a metamorphic-igneous terrain in Chadormalu area, Central Iran, by the use of support vector machine (SVM) classification method. Applying principal component analysis (PCA) as an image transformation technique on the WV-3 data, and interpretation of its results, supported by field observations, petrography, and spectroscopy, lead to identifying training areas which are input to the SVM algorithm. This method not only produces a detailed lithological map of all exposed rock units, but also well discriminates diorite-gabbro diorite from granite, and gneissic granite from green schist and garnet mica schist, which are not revealed in 1:100,000 geological map of the area, published by Geological Survey of Iran (GSI), with overall accuracy of 88.36% and the Kappa coefficient of 0.86. Furthermore, the efficacy of each applied band of WV-3 is assessed in promoting classification accuracy using SVM method. Results show that band 7 of SWIR region has increased the overall accuracy 4.81% relative to SWIR dataset, and improves the classification accuracy of green schist and diorite. Moreover, bands 5, 6, and 8 of SWIR dataset are more efficient in improvement of the overall accuracies than other bands. This study concludes that WV-3 data provides a good facility to generate large scale geological maps owing to its high spatial and radiometric resolution and appropriate SWIR bands.

WorldView-3（WV-3）是第一颗具有改进地质填图能力的高空间分辨率、超光谱商业卫星。本研究评估了该卫星的 VNIR-SWIR 数据，以使用支持向量机 (SVM) 分类方法绘制伊朗中部查多尔马卢地区变质火成岩地形的岩性单元。在 WV-3 数据上应用主成分分析 (PCA) 作为图像转换技术，并在现场观察、岩相学和光谱学的支持下对其结果进行解释，从而确定输入到 SVM 算法的训练区域。这种方法不仅可以生成所有裸露岩石单元的详细岩性图，而且可以很好地将闪长岩-辉长闪长岩与花岗岩区分开来，绿色片岩和石榴石云母片岩中的片麻岩和片麻岩，在伊朗地质调查局（GSI）出版的1:100,000区域地质图上没有显示，总体精度为88.36%，Kappa系数为0.86。此外，使用 SVM 方法评估了 WV-3 的每个应用波段在提高分类精度方面的功效。结果表明，SWIR区7波段相对于SWIR数据集整体精度提高了4.81%，提高了绿色片岩和闪长岩的分类精度。此外，SWIR 数据集的频段 5、6 和 8 在提高整体精度方面比其他频段更有效。本研究得出的结论是，WV-3 数据由于其高空间和辐射分辨率以及适当的 SWIR 波段，为生成大比例尺地质图提供了良好的条件。伊朗地质调查局（GSI）公布的该地区1:100,000地质图未显示，总体准确率为88.36%，Kappa系数为0.86。此外，使用 SVM 方法评估了 WV-3 的每个应用波段在提高分类精度方面的功效。结果表明，SWIR区7波段相对于SWIR数据集整体精度提高了4.81%，提高了绿色片岩和闪长岩的分类精度。此外，SWIR 数据集的频段 5、6 和 8 在提高整体精度方面比其他频段更有效。本研究得出的结论是，WV-3 数据由于其高空间和辐射分辨率以及适当的 SWIR 波段，为生成大比例尺地质图提供了良好的条件。伊朗地质调查局（GSI）公布的该地区1:100,000地质图未显示，总体准确率为88.36%，Kappa系数为0.86。此外，使用 SVM 方法评估了 WV-3 的每个应用波段在提高分类精度方面的功效。结果表明，SWIR区7波段相对于SWIR数据集整体精度提高了4.81%，提高了绿色片岩和闪长岩的分类精度。此外，SWIR 数据集的频段 5、6 和 8 在提高整体精度方面比其他频段更有效。本研究得出的结论是，WV-3 数据由于其高空间和辐射分辨率以及适当的 SWIR 波段，为生成大比例尺地质图提供了良好的条件。由伊朗地质调查局 (GSI) 发布，总体准确率为 88.36%，Kappa 系数为 0.86。此外，使用 SVM 方法评估了 WV-3 的每个应用波段在提高分类精度方面的功效。结果表明，SWIR区7波段相对于SWIR数据集整体精度提高了4.81%，提高了绿色片岩和闪长岩的分类精度。此外，SWIR 数据集的频段 5、6 和 8 在提高整体精度方面比其他频段更有效。本研究得出的结论是，WV-3 数据由于其高空间和辐射分辨率以及适当的 SWIR 波段，为生成大比例尺地质图提供了良好的条件。由伊朗地质调查局 (GSI) 发布，总体准确率为 88.36%，Kappa 系数为 0.86。此外，使用 SVM 方法评估了 WV-3 的每个应用波段在提高分类精度方面的功效。结果表明，SWIR区7波段相对于SWIR数据集整体精度提高了4.81%，提高了绿色片岩和闪长岩的分类精度。此外，SWIR 数据集的频段 5、6 和 8 在提高整体精度方面比其他频段更有效。本研究得出的结论是，WV-3 数据由于其高空间和辐射分辨率以及适当的 SWIR 波段，为生成大比例尺地质图提供了良好的条件。使用 SVM 方法评估 WV-3 的每个应用波段在提高分类精度方面的功效。结果表明，SWIR区7波段相对于SWIR数据集整体精度提高了4.81%，提高了绿色片岩和闪长岩的分类精度。此外，SWIR 数据集的频段 5、6 和 8 在提高整体精度方面比其他频段更有效。本研究得出的结论是，WV-3 数据由于其高空间和辐射分辨率以及适当的 SWIR 波段，为生成大比例尺地质图提供了良好的条件。使用 SVM 方法评估 WV-3 的每个应用波段在提高分类精度方面的功效。结果表明，SWIR区7波段相对于SWIR数据集整体精度提高了4.81%，提高了绿色片岩和闪长岩的分类精度。此外，SWIR 数据集的频段 5、6 和 8 在提高整体精度方面比其他频段更有效。本研究得出的结论是，WV-3 数据由于其高空间和辐射分辨率以及适当的 SWIR 波段，为生成大比例尺地质图提供了良好的条件。SWIR 数据集的第 6 和第 8 个频段在提高整体精度方面比其他频段更有效。本研究得出的结论是，WV-3 数据由于其高空间和辐射分辨率以及适当的 SWIR 波段，为生成大比例尺地质图提供了良好的条件。SWIR 数据集的第 6 和第 8 个频段在提高整体精度方面比其他频段更有效。本研究得出的结论是，WV-3 数据由于其高空间和辐射分辨率以及适当的 SWIR 波段，为生成大比例尺地质图提供了良好的条件。