SAR uydu imgeleri kullanılarak yarı deneysel ve makine öğrenmesi yöntemleri ile toprak neminin tahmini: Karşılaştırmalı bir saha çalışması
Estimation of soil moisture via semiempirical and machine learning methods using SAR satellite images: A comparative field study
- Tez No: 664831
- Danışmanlar: PROF. DR. MEHMET SİRAÇ ÖZERDEM
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Dicle Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 108
Özet
Uzaktan algılama teknolojisi, geniş bir aralıkta gözlem yapabilme, zamanında ve daha az kısıtla veri toplama yeteneği sayesinde birçok alanda yaygın olarak kullanılmaktadır. Tarım, uzaktan algılamanın uygulanması ve araştırılması için en önemli alanlardan biridir. Aktif mikrodalga SAR sensörleri, yüksek çözünürlük sağlamaları, hava şartlarından etkilenmemeleri ve toprak nemine olan duyarlılıkları nedeniyle büyük ölçekli toprak nem tahmini için uygundur. Son yıllarda uzaktan algılama alanında doğrusal olmayan makine öğrenme teknikleri toprak nem tahmini için önerilmektedir. Bu çalışmada yüzey toprak nemi, Radarsat-2 ve polarimetrik hedef ayrıştırma verisi kullanılarak yarı deneysel modeller ve makine öğrenmesi yöntemleri ile tahmin edilmeye çalışılmıştır. Oh (1992), Dubois (1995) ve Oh (2004) yarı deneysel modelleri ve Genelleştirilmiş Regresyon Sinir Ağı (GRNN), En Küçük Kareler Destek Vektör Makineleri (LS-SVM), Aşırı Öğrenme Makinesi (ELM), Kernel tabanlı Aşırı Öğrenme Makinesi (KELM), Adaptif Sinirsel Bulanık Çıkarım Sistemi (ANFIS) makine öğrenmesi yöntemleri kullanılmıştır. Bu çalışmada Yamaguchi, van Zyl, Freeman-Durden, H/A/α ve Cloude polarimetrik hedef ayrıştırma yöntemleri kullanılmıştır. Toprak neminin inversiyonu için ilk olarak yalın ve orta seviyede bitki örtülü toprak için iki farklı tarihe ait Radarsat-2 imgesine ön işlemler uygulanmıştır. Sonra sigma geri saçılma katsayıları ve polarimetrik ayrıştırma katsayıları özellik vektörü olarak kullanılmak üzere ön işlemleri tamamlanan ve yersel ölçüm noktalarına karşılık gelen SAR imge piksellerinden çıkarılmıştır. Son olarak, elde edilen sigma geri saçılma katsayıları yarı deneysel modellerde kullanılmıştır. Makine öğrenmesi yöntemlerinde ise sigma geri saçılma katsayıları ve polarimetrik ayrıştırma bileşenleri giriş olarak kullanılmıştır. Yarı deneysel modeller ile yalın ve orta seviyede bitki örtülü toprak için en iyi doğruluk sonuçları kare ortalamalarının karekökü hatası (RMSE) olarak sırasıyla 13.01 ve 17.91 olarak elde edilmiştir. Makine öğrenmesi teknikleri ile en iyi doğruluk sonuçları RMSE cinsinden sırasıyla 4.04 ve 2.72 olarak elde edilmiştir. Sonuçlar, makine öğrenmesi tekniklerinin yarı deneysel modellerden çok daha iyi performansa sahip olduğunu göstermiştir.
Özet (Çeviri)
Remote sensing technology is widely used in many fields thanks to its ability to observe in a wide range and to collect data on time and with less constraints. Agriculture is one of the most important areas for the application and research of remote sensing. Active microwave SAR sensors are suitable for large-scale soil moisture estimation due to their high resolution, not affected by weather conditions and sensitivity to soil moisture. In recent years, in the field of remote sensing nonlinear machine learning techniques have been recommended for soil moisture estimation. In this study, surface soil moisture was retrieved from Radarsat-2 and polarimetric target decomposition data by using semiempirical models and machine learning methods. The semiempirical models and machine learning techniques employed were Oh (1992), Dubois (1995), Oh (2004) and Generalized Regression Neural Network (GRNN), Least Squares – Support Vector Machine (LS-SVM), Extreme Learning Machine (ELM), Kernel based Extreme Learning Machine (KELM), Adaptive Neuro-Fuzzy Inference System (ANFIS), respectively. In addition, Yamaguchi, van Zyl, Freeman-Durden, H/A/α and Cloude polarimetric target decomposition methods were used in this study. For soil moisture inversion, firstly, preprocessing was applied to the Radarsat-2 image of two different dates with bare and moderately vegetated soil. Then, sigma nought coefficients and the polarimetric decomposition components were extracted as feature vector from preprocessed SAR image pixels corresponding to ground measured points. Lastly, sigma nought coefficients were used in semiempirical inversion models, and sigma nought coefficients and polarimetric decomposition components were used as input to machine learning methods. The best accuracy results for semiempirical models were 13.01 and 17.91 Root Mean Square Error (RMSE) for bare and moderately vegetated soil, respectively. The best accuracy for machine learning techniques were 4.04 and 2.72 RMSE for two dates, respectively. The results indicated that the machine learning techniques performed much better than the semiempirical models.
Benzer Tezler
- Sar imgelerinin öznitelik tabanlı sınıflandırılması
Feature – based classification of sar images
AYŞE TOMBAK
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiGebze Teknik ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. KORAY KAYABOL
- Sar uydu görüntüleri yardımıyla Türkiye il merkezlerinin deformasyon değerlerinin izlenmesi
Monitoring the deformation values of Turkish provincial centers with the help of sar satellite images
SUAT COŞKUN
Yüksek Lisans
Türkçe
2024
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. FUSUN BALIK ŞANLI
DOÇ. DR. SAYGIN ABDİKAN
- Elektro-optik ve SAR uydu görüntüleri ile arazi bitki örtüsünün belirlenmesi
Defining land vegetation type using electro-optic and SAR satellite images
FÜSUN BALIK
Doktora
Türkçe
2004
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiJeodezi ve Fotogrametri Mühendisliği Ana Bilim Dalı
PROF.DR. AYHAN ALKIŞ
- C ve X band SAR görüntülerinin mevcut harita verileri ile karşılaştırılması
Comparison of X and C band SAR images with existing map datasets
TEVFİK FİKRET HORZUM
Yüksek Lisans
Türkçe
2021
Jeodezi ve FotogrametriAkdeniz ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
DOÇ. DR. NUSRET DEMİR
- Kozmik ışınların sentinel uydu verileri üzerindeki muhtemel etkisinin araştırılması
The research of the possible effect of cosmic rays on sentinel satellite data
HAKAN KÖKSAL
Yüksek Lisans
Türkçe
2021
Astronomi ve Uzay BilimleriAkdeniz ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
DOÇ. DR. NUSRET DEMİR