Geri Dön

SAR ve optik uydu verileri kullanılarak çeltik bitki boyunun makine öğrenmesi modelleriyle tahmini ve SHAP analizi ile değerlendirilmesi

Estimation of rice plant height using SAR and optical satellite data with machine learning models and evaluation via SHAP analysis

PDF İndir

  1. Tez No: 1011852
  2. Yazar: MERT ALPAT
  3. Danışmanlar: DOÇ. DR. ÇAĞLAR BAYIK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
  6. Anahtar Kelimeler: Fotogrametri, Photogrammetry
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Zonguldak Bülent Ecevit Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Geomatik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Küresel gıda güvenliği açısından pirinç, temel gıda ürünleri arasında önemli bir kaynaktır. Pirinç, çeltik bitkisinden elde edilmektedir. Çeltik üretimi diğer gıda ürünlerine kıyasla daha zor yapılmaktadır. İklim değişikliklerinin sebep olduğu su tüketim seviyeleri ve sıcaklık dalgalanmaları çeltik bitkisinin verimliliğini düşürmektedir. Bu sebeple çeltik bitkisinin izlenmesi ve bitkinin gelişiminin takip edilmesi günümüzde zorunluluk haline gelmektedir. Uzaktan algılama araçları ile bitki izleme çalışmaları geleneksel yöntemlere göre çok daha ekonomik ve kolay olmaktadır. Bu çalışmada, Sentinel-1 SAR ve Sentinel-2 optik uydu verilerinin ortaklaşa kullanılması ile üretilen hibrit veriler kullanılarak Balıkesir ili Gönen ilçesindeki çeltik tarlaları 2024 yılında çeltik bitkisinin gelişim ayları olan Haziran, Temmuz, Ağustos ve Eylül boyunca 4 ay izlenmiş ve üretilen toplamda 41 indeks ile analizleri gerçekleştirilmiştir. Aynı zamanda arazi çalışmaları ile 4 ay boyunca bitki boyları şerit metre ile ölçülmüştür. Çalışmaya ek olarak MLR, SVR, RF, XGB ve LGBM makine öğrenmesi algoritmaları ile veri setlerinden modeller oluşturulmuş ve bitki boyu tahminindeki başarıları karşılaştırılmıştır. Sonuçlara, SHAP analizi uygulanarak yorumlanabilirlik özelliği katılmıştır ve değişkenlerin sonuçlara olan etkileri görülmüştür. Elde edilen indeksler ve bitki boyları arasındaki korelasyon katsayıları değerlendirildiğinde haziran (kardeşlenme) döneminde en yüksek korelasyon optik indekslerden olan B7 bandında (r = +0,84), temmuz (çiçeklenme) döneminde hibrit indeks olan SND+LSWI indeksi (r = +0,78), ağustos (olgunlaşma) döneminde optik indekslerden LSWI indeksi (r = +0,56) ve eylül (hasat) döneminde SAR tabanlı indeks olan SSRM-VH (r = +0,49) olarak gelmiştir. Sonuçlara bakıldığı zaman, bitkinin gelişim süresinde birden fazla veri seti ile izlenmesi tek bir veri seti ile izlenmesine göre çok daha başarılı bir sonuç vermektedir. Bütün sonuçlar incelendiğinde ise SAR ve optik veri setinin başarısız olduğu dönemlerde hibrit indekslerin gücü ortaya çıkmaktadır. Makine öğrenmesi algoritmaları arasında en başarılı model hibrit veri setinden oluşturulmuş olan RF modelidir. R2 = 0,865 ve 8,91 cm RMSE değeri ile hibrit verilerin bitki boyu tahmini üzerindeki başarısını tekrar kanıtlamaktadır. SHAP analizinden elde edilen sonuçlar, modellerin yapmış oldukları tahminleri hangi etkenlerden etkilendiklerini göstermiş ve hibrit verilerin neden sadece SAR veya sadece optik verilerden daha başarılı olduğunu ortaya çıkan grafiklerde kanıtlamıştır.

Özet (Çeviri)

Rice is a crucial source of staple food in terms of global food security. Rice is obtained from the paddy plant. Paddy production is more challenging compared to other food products. Water consumption levels and temperature fluctuations caused by climate change reduce the yield of the paddy plant. For this reason, monitoring and tracking the development of the paddy plant has become a necessity today. Plant monitoring studies with remote sensing tools are much more economical and easier than traditional methods. In this study, paddy fields in Gönen district of Balıkesir province were monitored for 4 months in 2024 (June, July, August, and September), which are the development months of the paddy plant, using hybrid data produced by combining Sentinel-1 SAR and Sentinel-2 optical satellite data. A total of 41 indices were produced and analyzed. Simultaneously, plant heights were measured with tape measures during field studies for 4 months. In addition, models were created from the datasets using machine learning algorithms, and their success in predicting plant height was compared. The interpretability feature was added to the results by applying SHAP analysis, and the effects of the variables on the results were observed. When the correlation coefficients between the obtained indices and plant heights were evaluated, the highest correlation was obtained in the B7 band of the optical indices (r = +0.84) in June (tillering), the hybrid index SND+LSWI index (r = +0.78) in July (flowering), the LSWI index of the optical indices (r = +0.56) in August (ripening), and the SAR-based index SSRM-VH (r = +0.49) in September (harvest). Looking at the results, monitoring the plant's development period with multiple datasets yields much more successful results than monitoring with a single dataset. When all the results are examined, the strength of hybrid indices becomes apparent in periods where SAR and optical datasets fail. The machine learning algorithms produced are MLR, SVR, RF, XGB, and LGBM. Among these, the most successful model is the RF model created from the hybrid dataset. With an R2 of 0.865 and an RMSE value of 8.91 cm, it once again proves the success of hybrid data in predicting plant height. The results obtained from the SHAP analysis showed which factors affected the predictions made by the models and demonstrated in the resulting graphs why hybrid data is more successful than SAR data alone or optical data alone.

Benzer Tezler

  1. Tez No

    948954

    Evaluating the temporal consistency of SAR and optical vegetation indices for cotton monitoring using sentinel-1 and sentinel-2

    Sentinel-1 ve sentinel-2 kullanılarak pamuk takibinde SAR ve optik vejetasyon indislerinin zamansal tutarlılığının değerlendirilmesi

    ALP EREN FURKAN DEMİRCİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. AYŞE FİLİZ SUNAR

  2. Tez No

    920851

    Paddy rice Leaf Area Index (LAI) estimation with machine learning models using synthetic aperture radar and optical data

    Sentetik açıklıklı radar ve optik veriler kullanılarak makine öğrenmesi modelleriyle çeltik bitkisi Yaprak Alan İndeks (YAI) tahmini

    GÜLSÜM POSTALLI

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Jeodezi ve FotogrametriHacettepe Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. SAYGIN ABDİKAN

  3. Tez No

    472626

    Paddy-rice leaf area index (LAI) estimation using radar and optical imagery

    Radar ve optik görüntüler kullanarak çeltik bitkisi yaprak alan indeks kestirim

    ELNAZ NAJATISHENDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    İletişim Bilimleriİstanbul Teknik Üniversitesi

    İletişim Bilimleri Ana Bilim Dalı

    DOÇ. DR. ESRA ERTEN

  4. Tez No

    865350

    Development of a fusion methodology for flood mapping using SAR and optical satellite data

    SAR ve optik uydu verileri kullanılarak taşkın haritalaması için füzyon yöntemi geliştirilmesi

    BESTE TAVUS

    Doktora

    İngilizce

    İngilizce

    2023

    Jeodezi ve FotogrametriHacettepe Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. SULTAN KOCAMAN

  5. Tez No

    661739

    Sar ve optik uydu görüntüleri kullanılarak muz alanlarının saçılma değerleri analizi ve tespiti

    The analysis and determination of banana fields backscatter values using sar and optical satellite images

    DUYGUGÜL AKSU

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    ZiraatAkdeniz Üniversitesi

    Uzay Bilimleri ve Teknolojisi Ana Bilim Dalı

    DOÇ. DR. NUSRET DEMİR

Geri Dön