İnsansız hava araçları kullanılarak multi-spektral kameralar ile bitki örtüsü türlerinin ayırt edilmesi ve sınıflandırılması
Discrimination and classification of vegetation species with multi-spectral camera by using unmanned aerial vehicles
- Tez No: 572478
- Danışmanlar: PROF. DR. FERRUH YILDIZ
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Mühendislik Bilimleri, Geodesy and Photogrammetry, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Konya Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Harita Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 81
Özet
Günümüzde yeryüzündeki bitki örtüsü türlerinin ayırt edilmesi uzaktan algılama çalışmalarında yoğun olarak kullanılmaktadır. Uydu görüntüleri kullanılarak yapılan bu uzaktan algılama çalışmaları, uyduların gerek her zaman aynı yerden görüntü elde edememesi gerekse yer örnekleme aralıklarından kaynaklanan sebeplerle zamansal ve mekânsal çözünürlükleri yüksek hassasiyet ve doğruluk istenen çalışmalarda yetersiz kalmaktadır. Bu yüzden çalışmamızda, son zamanlarda hızla artan ve yaygınlaşan İHA (İnsansız Hava Aracı) teknolojisi esnek hareket kabiliyetine sahip olması nedeniyle tercih edilmiştir. Son on yılda İHA teknolojisinin gelişmesi ile kullanımı birçok sivil uygulama alanında yaygınlaştığı gibi tarım faaliyetlerinde de yaygınlaşmıştır. İlaçlama, arazi kullanımı tespiti, kuraklık zararı tespiti, bitki sağlığının izlenmesi gibi birçok tarımsal faaliyetlerde kullanımı söz konusudur. İHA'lara monte edilen multispektral kameralar ile arazi kullanımı ve bitki örtüsü türlerinin tespiti mümkün olmaktadır. Bu çalışmada bitki türünün tespit edilerek haritada gösterilmesi amacıyla yonca ve soya bitkilerinin ekildiği araziden multispektral görüntüler elde edildi. Görüntüler çeşitli yazılımlarda işlenerek üç farklı algoritma ile sınıflandırıldı. Bu sınıflandırma çalışmalarının doğruluğu incelendi. Yapılan sınıflandırmalarda aynı eğitim bölgeleri ve örneklem noktaları kullanıldı. Sınıflandırmalar sonucu Maximum Likelihood için doğruluk %87, Support Vector Machine için ise %81 olarak hesaplandı. Bu istatistiki bilgilere göre çalışmamız için en iyi sonucu veren sınıflandırma algoritmasının Maximum Likelihood olduğu ortaya çıkmıştır.
Özet (Çeviri)
Nowadays, discrimination of vegetation species on earth is used extensively in remote sensing studies. Remote sensing studies using satellite imagery are inadequate in studies where high accuracy of spatial and temporal resolutions are required due to the fact that satellites are not always able to obtain images from the same location and due to ground sampling distance. Therefore, in our study, UAV (Unmanned Aerial Vehicle) technology, which has been increasing and becoming widespread recently, has been preferred because of its flexible mobility. In the last decade, with the development of UAV technology, its use has become widespread in many civil application areas as well as in agricultural activities. It is used in many agricultural activities such as disinfestation, land use detection, drought damage detection, plant health monitoring. Multispectral cameras mounted in UAVs enable the identification of land use and vegetation types. In this study, multispectral images were obtained from the field where clover and soybean plants were planted in order to identify the plant species on the map. Images were processed in various software and classified with three different algorithms. The accuracy of these classification studies was examined. The same training sites and random sampling points were used in the classifications. As a result of the classifications, accuracy was calculated as 87% for Maximum Likelihood and 81% for Support Vector Machine. According to this statistical information, the best-performing classification algorithm for our study was observed to be is Maximum Likelihood.
Benzer Tezler
- İHA tabanlı NDVI ile mısır bitkisinin verim tahmini
Yield estimation of corn plant with UAV-based NDVI
MUSTAFA ÖZKAN
Yüksek Lisans
Türkçe
2024
Jeodezi ve FotogrametriHarran ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİZAR POLAT
- Sulu tarım alanlarında bitki deseni ve sulama uygulamalarının izlenmesinde insansız hava araçlarının kullanım olanaklarının araştırılması
Investigation of usage possibilities of unmanned aerial vehicles for monitoring of crop pattern and irrigation applications in irrigated agricultural areas
UĞUR EVRİM ÖZDEN
Yüksek Lisans
Türkçe
2019
ZiraatTekirdağ Namık Kemal ÜniversitesiBiyosistem Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET ŞENER
- Pamuk gelişimi ve veriminin insansız hava aracı verileri ile analiz edilmesi
Analyzing cotton development and yield with unmanned aerial vehicle data
VEYSEL YILDIZ
Yüksek Lisans
Türkçe
2024
ZiraatHarran ÜniversitesiToprak Bilimi ve Bitki Besleme Ana Bilim Dalı
PROF. DR. RECEP GÜNDOĞAN
- Uzaktan algılama teknolojileri kullanılarak denizlerde kirliliğin izlenmesi: Marmara Denizi örneği
Monitoring of pollution in the sea using remote sensing technologies: The case of the Sea of Marmara
BUSE TIRMANOĞLU
Yüksek Lisans
Türkçe
2022
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. NEBİYE MUSAOĞLU
- Soğanlı Botanik Parkı (Bursa) ağaç türlerinin bitki indekslerinin ve tür çeşitliliğinin çok bantlı (Multispektral) kameraların kullanımıyla tespiti
Detection of vegetation indexes and species diversity of Soğanlı Botanical Park (Bursa) tree species with the use of multispectral cameras
GİZEM GÖZE
Yüksek Lisans
Türkçe
2024
BiyolojiBursa Teknik ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYŞE GÜL SARIKAYA