Classification of agricultural lands by remote sensing methods: Konya plain (Çumra regıon)
Uzaktan algılama yöntemleriyle tarım arazilerinin sınıflandırılması: Konya ovası (Çumra bölgesi)
- Tez No: 1011774
- Danışmanlar: DOÇ. DR. BEDRİ KURTULUŞ
- Tez Türü: Doktora
- Konular: Jeoloji Mühendisliği, Geological Engineering
- Anahtar Kelimeler: Landsat uyduları, Sayısal uydu verileri, Uzaktan algılama, Landsat satellite, Digital satellite data, Remote sensing
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Muğla Sıtkı Koçman Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Jeoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışması, tarımsal ürün deseninin uzaktan algılama ve makine öğrenmesi yöntemleri kullanılarak yüksek doğrulukla belirlenmesini amaçlamaktadır. Çalışma, Türkiye'nin en önemli tarımsal üretim bölgelerinden biri olan Konya Ovası (Çumra alt havzası) üzerinde yürütülmüş olup, patates ve şeker pancarı ekim alanlarının haritalanmasına odaklanmıştır. Tarımsal üretimin sürdürülebilirliği, su kaynaklarının etkin yönetimi ve güvenilir istatistiklerin elde edilmesi açısından ürün bazlı mekânsal bilginin önemi giderek artmaktadır. Bu kapsamda, Sentinel-2 ve Landsat-8 uydu görüntüleri kullanılarak çok zamanlı ve çok bantlı veri setleri oluşturulmuştur. Çalışma alanına ait bulutsuz görüntüler, Google Earth Engine (GEE) bulut tabanlı platformu üzerinde işlenmiş; spektral bantlar ile birlikte çeşitli bitki indeksleri (NDVI vb.) öznitelik uzayına dâhil edilmiştir. Patates için 2020 yılına ait tek sezonluk analiz yapılırken, şeker pancarı için 2018–2020 dönemini kapsayan çok yıllı bir yaklaşım benimsenmiştir. Sınıflandırma aşamasında Random Forest (RF) ve Gradient Tree Boosting (GTB) algoritmaları uygulanmış ve modeller, bağımsız doğrulama verileri ile karşılaştırmalı olarak değerlendirilmiştir. Sonuçlar, Sentinel-2 verisinin daha yüksek mekânsal çözünürlüğü ve kırmızı-kenar bantları sayesinde Landsat-8'e kıyasla daha yüksek sınıflandırma doğruluğu sağladığını ortaya koymuştur ve RF algoritmasının, özellikle sınırlı eğitim verisi koşullarında daha kararlı ve genel sonuçlar ürettiği belirlenmiştir. Elde edilen ürün haritaları, resmi tarım istatistikleri ile karşılaştırılarak alan tahmini performansı açısından da değerlendirilmiştir. Bulgular, önerilen yöntemin yalnızca tek seferlik haritalar üretmekle kalmayıp, farklı yıllar ve ürünler için tekrar çalıştırılabilir, ölçeklenebilir ve operasyonel bir çerçeve sunduğunu göstermektedir. Bu yönüyle çalışma, tarımsal izleme, su yönetimi ve karar destek sistemleri için güçlü bir uzaktan algılama tabanlı yaklaşım ortaya koymaktadır.
Özet (Çeviri)
This thesis aims to accurately identify and map agricultural crop patterns using remote sensing data and machine learning techniques. The study is conducted over the Çumra sub-basin of the Konya Plain, one of Türkiye's most important agricultural regions, with a particular focus on potato and sugar beet cultivation areas. Reliable crop-specific spatial information is increasingly critical for sustainable agricultural production, effective water resource management, and the generation of consistent agricultural statistics. In this context, multi-temporal and multi-spectral datasets derived from Sentinel-2 and Landsat-8 satellite imagery were utilized. Cloud-free images were processed within the cloud-based Google Earth Engine (GEE) environment, and a comprehensive feature space was constructed using spectral bands and vegetation indices such as NDVI. While potato fields were analyzed for the growing season of 2020, sugar beet mapping was performed using a multi-year dataset for the period from 2018 to 2020. For the classification stage, Random Forest (RF) and Gradient Tree Boosting (GTB) algorithms were implemented and evaluated using independent validation datasets. The results demonstrate that Sentinel-2 imagery outperforms Landsat-8 in crop discrimination, primarily due to its higher spatial resolution and the inclusion of red-edge spectral bands. Moreover, the RF algorithm exhibited more stable and robust performance, particularly under conditions of limited training data. The resulting crop maps were further assessed through area estimation and compared with official agricultural statistics. Findings indicate that the proposed approach provides not only accurate crop maps but also a repeatable, scalable, and transferable framework applicable across different years and crop types. Consequently, this study presents a reliable remote sensing-based methodology that supports agricultural monitoring, water management, and data-driven decision-making processes.
Benzer Tezler
- Monitoring soil salinity via remote sensing technology under data scarce conditions: A case study from Turkey
Kısıtlı veri şartlarında uzaktan algılama teknolojisi ile toprak tuzluluğunun izlenmesi: Türkiye'den bir vaka çalışması
TAHA GORJI
Yüksek Lisans
İngilizce
2016
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞE GÜL TANIK
- İklim değişikliğinin Konya Ereğli-Bor alt havzasındaki arazi kullanımı/örtüsü ve kentsel gelişime etkilerinin belirlenmesi
Determining the effects of climate change on land use/cover and urban development in Konya Ereğli-Bor sub-basin
TAHA KAĞAN AYDIN
Doktora
Türkçe
2022
Mühendislik BilimleriNecmettin Erbakan ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. SÜLEYMAN SAVAŞ DURDURAN
- Uzaktan algılama ve coğrafi bilgi sistemleri kullanılarak arazi kullanım değişimlerinin belirlenmesi: Konya örneği
Analyzing land use changes using remote sensing and geographical information systems: A case study of Konya
ÖMER KARAYOL
Yüksek Lisans
Türkçe
2012
Jeodezi ve FotogrametriErciyes ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DOÇ. DR. ABDURRAHMAN GEYMEN
- Uzaktan algılama ve CBS entegrasyonu ile arazi örtüsü/kullanımı değişiminin analizi: Konya ili örneği
Land cover / use change detection assessment with the integration of remote sensing and GIS: Konya case study
AHMET GEZİCİ
Yüksek Lisans
Türkçe
2012
Mühendislik BilimleriHava Harp Okulu KomutanlığıUzay Bilimleri Ana Bilim Dalı
PROF. DR. DERYA MAKTAV
- Ramsar alanlarının uzaktan algılama yöntemleri ile zamansal analizi - meke maarı örneği
Temporal analysis of ramsar sites via remote sensing techniques - a case study of meke maar
NUR YAĞMUR
Yüksek Lisans
Türkçe
2018
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. NEBİYE MUSAOĞLU