Sentinel-2 verisi kullanılarak fındık alanlarının makine öğrenme yöntemleri ile belirlenmesi
Determination of hazelnut areas by machine learning methods using sentinel-2 data
- Tez No: 630686
- Danışmanlar: DOÇ. DR. SAYGIN ABDİKAN
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Zonguldak Bülent Ecevit Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Geomatik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 83
Özet
Dünyada fındık üretiminin yaklaşık %75'ini Türkiye sağlamaktadır. Bu nedenle fındık alanlarının doğru bir şekilde belirlenmesi, üretilecek fındık miktarı ve verimlilik çalışmaları için önemlidir. Bu çalışmada 4 farklı tarihe (Şubat, Nisan, Temmuz ve Aralık 2019) ait Sentinel-2 uydu görüntüsü kullanılarak fındık bahçelerinin belirlenmesi amaçlanmıştır. Bu kapsamda çalışma alanı olarak Trabzon ili Beşikdüzü ilçesi, uygulama alanı olarak ilçe merkezi seçilmiştir. Uygulama alanına ait görüntü arazi tespit çalışması için piksel tabanlı görüntü sınıflandırma yöntemi kullanılmıştır. Fındık bahçelerinin belirlenmesi için üç farklı makine öğrenme algoritması rastgele orman (RO), K en yakın komşu (K-EYK) ve destek vektör makineleri (DVM) ele alınmıştır. Fındık bahçelerinin tespiti için en uygun görüntü Aralık 2019 tarihli Sentinel-2 uydu görüntüsü olarak belirlenmiştir. Sınıflandırmalara ilişkin genel doğruluk değerlerine göre sırasıyla DVM, K-EYK ve RO algoritmaları en iyi sonucu verirken fındık alanlarının belirlenmesinde K-EYK, DVM ve RO algoritmaları sırasıyla %93.54, %89.74 ve %88.90 üretici doğrulukları sağlamıştır.
Özet (Çeviri)
Turkey provides approximately %75 of world hazelnut production. Therefore, accurate determination of hazelnut areas is important for the amount of hazelnut production and productivity studies. In this study, it was aimed to determine the hazelnut gardens by using the Sentinel-2 satellite image of 4 different dates (February, Aprıl, July and December 2019). In this context, Beşikdüzü District of Trabzon province was selected as the working area and district center as the application area. Pixel-based image classification method is used for image land detection study of the application area. Three different machine learning algorithms random forest (RO), K nearest neighbor (KNN) and support vector machines (SVM) were used to identify hazelnut gardens. The most suitable image for the determination of hazelnut gardens is the Sentinel-2 satellite image dated December 2019. According to the general accuracy values of the classifications, DVM, K-EYK and RO algorithms gave the best results, while K-EYK, DVM and RO algorithms provided 93.54%, 89.74% and 88.90% producer accuracy in determining hazelnut areas, respectively.
Benzer Tezler
- Hava fotoğrafları ve sentinel-2 görüntüleri yardımıyla bazı meşcere bileşenlerinin tahmin edilmesi
Estimation of some stand parameters using aerial photographs and sentinel-2 images
BAYRAM ÇİL
Doktora
Türkçe
2023
Ormancılık ve Orman MühendisliğiKaradeniz Teknik ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
DOÇ. DR. UZAY KARAHALİL
- Tarımsal yaz ürünlerin sentinel-2 uydu görüntülerinden rastgele orman algoritması ile nesne-tabanlı sınıflandırılması
Object-based classification of summer crops from sentinel-2 satellite images using random forest algorithm
MESUT YILMAZ
Yüksek Lisans
Türkçe
2018
Jeodezi ve FotogrametriHacettepe ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA TÜRKER
- Assessment of water quality and aquatic diversity of an open-pit gold mine area using random forest algorithm with Google Earth engine
Google Earth engine ile rastgele orman algoritması kullanılarak açık ocak altın madeni su kalitesi ve sucul canlılık çeşitliliğinin değerlendirilmesi
ŞENER ALKAN
Yüksek Lisans
İngilizce
2020
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ESRA ERTEN
- Aktif mikrodalga uydu görüntü verileri kullanılarak toprak neminin belirlenmesi
Estimation of soil moisture using active microwave satellite image data
ALİİHSAN ŞEKERTEKİN
Doktora
Türkçe
2018
Jeodezi ve FotogrametriBülent Ecevit ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYCAN MURAT MARANGOZ
DR. ÖĞR. ÜYESİ SAYGIN ABDİKAN
- Identification of tea plantation areas using Google cloud based random forest and deep learning
Google bulut servise dayalı rastgele orman ve derin öğrenme ile çay tarım alanlarının belirlenmesi
BERKAY ÖZEN
Yüksek Lisans
İngilizce
2020
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ESRA ERTEN