Uydu görüntüleri kullanılarak NDVI ve RVI bitki örtüsü indekslerinin karşılaştırılması
Comparison of NDVI and RVI vegetation indices using satellite images
- Tez No: 565804
- Danışmanlar: PROF. DR. MEHMET SİRAÇ ÖZERDEM
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Dicle Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 84
Özet
Uzaktan algılama, bir cisim ile direk temas olmaksızın onun fiziksel özellikleri hakkında bilgi elde edilmesine denir. Bu bilgi edinme algılayıcılar sayesinde sağlanır. Bu algılayıcıların nesnelerle teması bulunmamaktadır. Uzaktan algılamada iki farklı sistem bulunmaktadır. Bunlar Aktif ve Pasif Algılayıcı Sistemlerdir. Pasif Algılayıcı Sistemler güneşin gönderdiği ışınlar aracılığıyla cisimlerden yansıyan ışınların enerjisini ölçerler. Aktif Algılayıcı Sistemler ise kendi ışınlarını cisme ileterek cisimlerden yansıyan enerjiyi ölçer. Aktif Algılayıcı Sistemler kendi enerjisi ile çalıştığı için Güneşe ihtiyacı bulunmamaktadır. Bu yüzden Aktif Algılayıcı Sistemlerde gece olması veya mevsim şartları önemli değildir. Pasif Algılayıcı Sistemlere optik algılayıcı sistemler örnek olarak gösterilebilir. Landsat-8 uydusu optik algılayıcı sistemle çalışır. Sentetik Açıklık Radarı (SAR) sistemleri, aktif algılayıcı sistemlere örnek verilebilir. SAR sistemleri her türlü hava koşulunda çalışabilmesi açısından geniş bir kullanım alanına sahiptir. SAR sistemleri yeryüzünü yüksek çözünürlükle görüntüleyen bir radar sistemidir. Radarsat-2 uydusu SAR algılayıcı sistemlerine sahiptir. Bu çalışmanın amacı iki farklı algılayıcı türüne sahip Landsat-8 ve Radarsat-2 uydu görüntülerini kullanarak her birine ait bitki örtüsü indekslerinin karşılaştırılmasıdır. Bitki örtüsü indekslerinin iklim çeşitliliğinin incelenmesi ve değişimi, bitki örtüsü çeşitliliği ve kuraklık gibi kullanım alanları bulunmaktadır. Bu çalışmada Radar Bitki Örtüsü İndeksi (RVI) ve Normalize Edilmiş Fark Bitki Örtüsü İndeksi (NDVI) incelenmiştir. NDVI, NIR (Yakın Kızılötesi) ve RED (Kırmızı) bantlarının farkının toplamına bölümü şeklinde bulunur. NDVI değer aralığı -1 ile +1 arasındadır. Eksi değerler sulak veya buzul alanları gösterirken +1 yakın değerler ise bitki örtüsü yoğunluğu ve çeşitliliğinin arttığı alanları göstermektedir. RVI değer aralığı 0-1 arasındadır. 0'a yaklaştıkça zemin düzlüğü artmaktadır. 1'e doğru yaklaştıkça bitki örtüsü artmaktadır. RVI indeksinin hesaplanması için 8 Nisan 2015 tarihli multi zamanlı tam polarimetrik Radarsat-2 FQ uydu görüntüsüne ait dört farklı bandın (HH, HV, VH, VV) geri saçılma katsayısı kullanılmıştır. NDVI indeksinin hesaplanması içinde 25 Mayıs 2015 tarihine ait Landsat-8 uydu görüntüsüne ait Bant 5 ( Yakın Kızılötesi) ve Bant 4 (kırmızı) kullanılmıştır. Çalışma alanı olarak Dicle Üniversitesi tarım alanları seçilmiştir. Bu tarım alanına ait 281 farklı GPS noktası belirlenmiş olup bu noktalara ait RVI ve NDVI değerleri hesaplanmıştır. Elde edilen değerler istatiksel olarak incelendiğinde, RVI ve NDVI indeksleri arasında iyi bir korelasyon olduğu gözlemlenmiştir. Oluşturulan iki farklı veri seti sonucunda; RVI ve NDVI değerleri arasındaki korelasyon ve determinasyon katsayılarının sırasıyla r = 0.6926 r2 = 0.4797 ve r = 0.6403 r2 = 0.4100 olduğu ortaya çıkmıştır.
Özet (Çeviri)
Remote Sensing is the acquisition of information about its physical properties without direct contact with an object. This information is obtained through sensors. These sensors do not come into contact with objects. There are two different systems for remote sensing. These are Active and Passive Sensor Systems. Passive Sensor Systems measure the energy of the rays reflected from the objects by the rays sent by the sun. On the other hand, Active Sensor Systems measure the energy reflected from the objects by transmitting their rays to the object. Active Sensor Systems do not need the Sun because they work with their own energy. Therefore, night or season conditions in Active Sensor Systems are not important. Passive Sensor Systems can be shown as an example of optical sensor systems. The Landsat-8 satellite works with an optical sensor system. Synthetic Aperture Radar (SAR) systems are examples of active sensor systems. SAR systems have a wide range of usage in all weather conditions and they are a radar system that displays the earth in high resolution. Radarsat-2 satellite has SAR sensor systems. The aim of this study is to compare each of the vegetation indices by using Landsat-8 and Radarsat-2 satellite images with two different types of sensors. Vegetation indices have a variety of uses such as climate change, vegetation diversity and drought. In this study, Radar Vegetation Index (RVI) and Normalized Difference Vegetation Index (NDVI) were investigated. NDVI is divided into the sum of the difference of NIR (Near Infrared) and RED bands. The NDVI range is between -1 and +1. The negative values indicate wetlands or glacial areas, while the values close to +1 indicate areas where vegetation density and diversity increase. The RVI range is between 0-1. The ground flatness increases as it approaches 0. As it approaches 1, vegetation increases. For the calculation of the RVI index, the back-scattering coefficient of the four different bands (HH, HV, VH, VV) of the multi-time full-polarimetric Radarsat-2 FQ satellite image dated 8 April 2015 was used. In the calculation of NDVI index, Band 5 (Near Infrared) and Band 4 (Red) of the Landsat-8 satellite image of May 25, 2015 were used. Dicle University agricultural areas were chosen as the study area. 281 different GPS points belonging to this agricultural area were determined and RVI and NDVI values of these points were calculated. When the obtained values are analyzed statistically, a good correlation was observed between RVI and NDVI indices. As a result of two different data sets; The correlation and determination coefficients between RVI and NDVI values were found to be r = 0.6926 r2 = 0.4797 and r = 0.6403 r2 = 0.4100, respectively.
Benzer Tezler
- Soil salinity mapping by integrating remote sensing data with ground measurements; a case study in Lower Seyhan Plate, Adana, Turkey
Uzaktan algılama verilerinin yersel ölçümlerle entegrasyonu ile toprak tuzluluk haritalaması; Aşağı Seyhan Ovası, Adana, Türkiye
ANALI AZABDAFTARI
Yüksek Lisans
İngilizce
2015
İletişim Bilimleriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. AYŞE FİLİZ SUNAR
- Orman sağlığının Google Earth Engine ile izlenmesi
Monitoring forest health with Google Earth Engine
ŞULE YAMAN
Yüksek Lisans
Türkçe
2023
Jeodezi ve FotogrametriKaradeniz Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ESRA TUNÇ GÖRMÜŞ
- Yanmış orman alanlarının uydu görüntüleri ile tespiti
Locating burned forest areas with satellite images
MURAT KURUCA
Yüksek Lisans
Türkçe
2018
Mühendislik BilimleriAnadolu ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
DOÇ. DR. UĞUR AVDAN
- Atınova tarım işletmesinde kuraklığın buğday verimine etkisi
The effect of drought on wheat yield in Altinova farm
ARMAN MONSHIZADEH KARIMI
Yüksek Lisans
Türkçe
2021
ZiraatAnkara ÜniversitesiTarımsal Yapılar ve Sulama Ana Bilim Dalı
PROF. DR. SÜLEYMAN KODAL
- Çok bantlı uydu görüntüleri kullanılarak buğday bitkisinin incelenmesi – Ceylanpınar TİGEM örneği
Examination of wheat by using multispectral satellite data –example of Ceylanpinar TIGEM
YUNUS KAYA
Yüksek Lisans
Türkçe
2020
Jeodezi ve FotogrametriHarran ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NİZAR POLAT