Geri Dön

Sera alanlarının uzaktan algılama görüntülerinden otomatik olarak belirlenmesi

Automatic extraction of greenhouses from remote sensing images

  1. Tez No: 568166
  2. Yazar: SALİH ÇELİK
  3. Danışmanlar: DOÇ. DR. DİLEK KOÇ SAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Astronomi ve Uzay Bilimleri, Astronomy and Space Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: Akdeniz Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Uzay Bilimleri ve Teknolojisi Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 74

Özet

Sera alanlarının belirlenmesi kentsel ve kırsal planlama, rekolte tahmini ve ürün planlaması, sürdürülebilir kalkınma, doğal kaynak yönetimi, risk analizi ve hasar tespiti açılarından önemlidir. Özellikle seraların yoğun bir şekilde bulunduğu yerleşimlerde sera bilgi sistemleri oluşturulurken sera sınırlarının geleneksel yöntemlerle belirlenmesi çok zaman alıcı ve maliyetli olabilir. Bu nedenle sera alanlarının ve tiplerinin uzaktan algılama görüntülerinden hızlı ve doğru bir şekilde otomatik olarak belirlenmesi işgücü ve zaman tasarrufu açısından önemlidir. Bu çalışma kapsamındasera alanlarının renkli ve kızılötesi ortofoto (RGBIR), topoğrafik harita ve Dijital Yüzey Modeli (DYM) kullanılarak otomatik olarak tespiti hedeflenmiştir. Çalışmada başlıca iki aşama bulunmaktadır: (i) Sera alanlarının Obje Tabanlı Görüntü Analizi (OBIA) kullanılarak belirlenmesi ve (ii) Sera sınırlarının elde edilmesi ve plastik, cam sera ayrımlarının yapılması. Sera alanlarının OBIA kullanılarak belirlenmesi aşamasında renkli ve kızılötesi ortofoto, normalize Dijital Yüzey Modeli (nDYM), Normalize Fark Bitki İndeksi (NDVI) ve Görünür Kırmızı-tabanlı Yerleşim Alanı İndeksi (Visible Red-based Built-up Index - VrNIR_BI) kullanılmıştır.Bu süreçte optimum ölçek parametresi Ölçek Parametresi Tahmini 2 (ESP2) aracı ile otomatik olarak belirlenmiş ve bölütleme algoritması olarak Çok Çözünürlüklü Bölütleme (MRS) kullanılmıştır. Sınıflandırma aşamasında ise K-En Yakın Komşuluk (K-NN), Rastgele Orman (RF) ve Destek Vektör Makinesi (SVM) sınıflandırma teknikleri kullanılmış ve sınıflandırma sonuçlarının doğrulukları karşılaştırılmıştır. En yüksek doğruluğun elde edildiği sınıflandırma sonucu sera ve sera olmayan alanlar olarak iki sınıfa indirgenmiştir. Çalışmanın ikinci aşamasında sınıflandırma sonucunda elde edilen sera alanlarının sınırları belirlenmiş, sınıflandırma sonuçları ve nDYM verilerinden Python programlama dili kullanılarak cam ve plastik sera ayrımı yapılmıştır. Çalışma seraların yoğun bir şekilde bulunduğu, plastik seraların yanında cam seraları da içeren Antalya'nın Kumluca ilçesinde uygulanmıştır. Elde edilen sonuçlar obje tabanlı sınıflandırma teknikleri kullanılarak sera alanlarının renkli ve kızılötesi ortofoto ve DYM verilerinden başarılı bir şekilde belirlenebildiğini ortaya koymuştur. En yüksek genel doğruluk %94.80 ile SVM sınıflandırıcısı kullanıldığında elde edilmiştir, bunu %86.14 ile K-NN sınıflandırması takip etmektedir. En düşük genel doğruluk ise %81.46 ile RF sınıflandırması sonucunda elde edilmiştir. Ayrıca önerilen yaklaşım ile sera sınırlarının ve plastik-cam sera ayrımlarının yapılabildiği görülmektedir. Ancak daha hassas DYM kullanılırsa sonuçların iyileştirilebileceği, algoritmanın daha büyük alanlarda uygulanabileceği ve daha başarılı sonuçlar elde edilebileceği düşünülmektedir.

Özet (Çeviri)

Greenhouse detection is important with respect to urban and rural planning, yield estimation and crop planning, sustainable development, natural resource management, risk analysis and damage assessment. When generating Greenhouse Information Systemthe detection of greenhouses using traditional techniques may be very time consuming and expensive, especially in the residential areas that include intensive greenhouse areas. Therefore, fast and accurate detection of greenhouses and their types automaticaly from remote sensing imagery is important for saving labour and time. In this study, it is aimed to automatically detect greenhouse areas by using color and infrared orthophoto (RGBIR), topographic map and Digital Surface Model (DSM). There are two main steps in the study: (i) Determination of greenhouse areas using Object Based Image Analysis (OBIA); and (ii) Obtaining greenhouse boundaries and separating plastic and glass greenhouses. Color and infrared orthophotos, normalized Digital Surface Model (nDSM), Normalized Difference Vegetation Index (NDVI) and Visible Red-based Built-up Index (VrNIR_BI) were used in the determination of greenhouse areas using OBIA. In this process, the optimum scale parameter was determined automatically by the Estimation of Scale Parameter2 (ESP2) tool and Multi-Resolution Segmentation (MRS) was used as the segmentation algorithm. In the classification stage, K-Nearest Neighbor (K-NN), Random Forest (RF) and Support Vector Machine (SVM) classification techniques were used and the accuracies of the classification results were compared. The classification with the highest accuracy was reduced to two classes as greenhouse and non-greenhouse areas. In the second stage of the study, the boundaries of the greenhouse areas obtained from classification were determined, and the glass and plastic greenhouses were separated by using Python programming language from classification results and nDSM data. The study was implemented in Kumluca, Antalya, which includes intensive greenhouse areas and there are glass greenhouses as well as plastic greenhouses. Obtained results showed that greenhouse areas can be determined from color and infrared orthophoto and DSM data successfully by using object-based classification techniques. The highest overall accuracy was obtained when the SVM classifier was used with 94.80%, followed by the K-NN classification with 86.14%. The lowest overall accuracy was obtained as a result of RF classification with 81.46%. Furthermore, it is seen that greenhouse boundaries and plastic-glass greenhouse separations can be made with the proposed approach. However, it is thought that if more accurate DSM is used, the results can be improved, the algorithm can be applied in larger areas and more successful results can be obtained.

Benzer Tezler

  1. Determination of spatial distributions of greenhouses using satellite images and object-based image analysis approach

    Nesne tabanlı sınıflandırma yaklaşımı ve uydu görüntüleri kullanılarak seraların mekansal dağılımının belirlenmesi

    GİZEM ŞENEL

    Doktora

    İngilizce

    İngilizce

    2023

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. ÇİĞDEM GÖKSEL

    PROF. DR. MANUEL ANGEL AGUILAR TORRES

  2. Uydu görüntüleri, meteorolojik veriler ve kamera fotoğrafları ile pamuk ve mısır bitkileri için rekolte tahmin modeli tasarımı: Şanlıurfa örneği

    Crop yield estimation model design for cotton and maize crops using satellite imagery, meteorological data and camera photographs: Şanlıurfa case study

    UĞUR ALGANCI

    Doktora

    Türkçe

    Türkçe

    2014

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. CANKUT ÖRMECİ

  3. İstanbul Avrupa Yakası'nda arazi kullanım değişikliğinden kaynaklanan karbon emisyonlarının belirlenmesi

    Determination of carbon emissions resulting from land use changes in the European Side of Istanbul

    FERAH PIRLANTA KÖKSAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. NEBİYE MUSAOĞLU

  4. Yer yüzey sıcaklığının uzaktan algılama verileri ve mekansal istatistik yöntemleri ile analizi: İstanbul örneği

    Analysing the land surface temperature by using remote sensing data and spatial statistics techniques: Istanbul case study

    HAZAL CİĞERCİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. FİLİZ BEKTAŞ BALÇIK

  5. Uzaktan algılama ve derin öğrenme yöntemleri ile İstanbul'un yerel iklim alanları ve yer yüzeyi sıcaklığı değişimleri arasındaki ilişkinin incelenmesi

    Investigation of the relationship between local climate zones and land surface temperature changes in İstanbul using remote sensing and deep learning methods

    MELİKE NİCANCI SİNANOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. ŞİNASİ KAYA