Geri Dön

Evaluating BFAST algorithm in landsat time series analysisof monitoring deforestation dynamics in coniferousand deciduous forests

Landsat zaman serisi ile iğne ve geniş yapraklı ormanlardaormansızlaşma dinamiklerinin izlenmesinde BFASTalgoritmasının değerlendirilmesi

PDF İndir

  1. Tez No: 673525
  2. Yazar: NOOSHIN MASHHADI
  3. Danışmanlar: Assist. Prof. Dr. UĞUR ALGANCI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilim ve Teknoloji, Coğrafya, Science and Technology, Geography
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Bilişim Enstitüsü
  11. Ana Bilim Dalı: Coğrafi Bilgi Teknolojileri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 105

Özet

Çoğu ülkelerde orman kaynakları, yiyecek, su, odun ürünleri, mineraller, ilaçlar vb. sağlamak için önemli kaynaklar olarak bilinmektedir. Bu kaynaklar sadece canlıların yaşamlarını sürdürmesi için değil, aynı zamanda ekonomik anlamda da temel olanakları sağlamaktadır. Son yıllarda insan kaynaklı veya doğal afetler nedeniyle kaybedilen orman oranının arttığı bilinmektedir. Bu kapsamda, ormansızlaşmayı kontrol etmek ve önüne geçmek için kullanışlı ve tutarlı bir yönteme sahip olmak gerekli olacaktır. Ayrıca Türkiye gibi farklı iklim koşullarına sahip oldukları için farklı tipte orman ekolojileri, çeşitli hayvan ve bitki türleri barındıran ülkeler öncelikli olarak ele alınmalıdır. Türkiye'de ormansızlaşmanın en önemli nedenleri kentsel genişleme, inşaat, tarım ve yangındır. Bu bağlamda, etkili ve tutarlı bir yöntem ve algoritmayı bulmak, tarihsel verilerden olası ormansızlaşmayı tahmin etmek ve orman kaynaklarının gelecekte kaybolmasını önlemek için ormanların durumunu mekansal boyutta incelemek ve haritalandırmak önem taşımaktadır. Bu kapsamda etkili yöntemlerden biri, BFAST (Breaks For Additive Seasonal and Trend) algoritma setini kullanmaktır. Bu yöntem yalnızca ormansızlaşan alanları sadece büyük ölçekte değil aynı zamanda küçük ölçekte tespit etmekte de umut verici sonuçlar ortaya koymuştur. Dünya yüzeyindeki değişiklikler genellikle aynı coğrafi alanı kapsayan uydu görüntülerinin zaman serileri olarak değerlendirilmesiyle tespit edilir. Farklı hedef çalışma alanlarının ve farklı problem tanımlarının incelenmesi için uygun sensörleri tanımlamakta kullanılan birkaç kriter vardır. Bu kriterler, uydunun mekansal, zamansal ve spektral çözünürlüğünü ve verilerin kullanılabilirliğini ifade etmektedir. Uyduların özelliklerinden bağımsız olarak, arazi yüzeyinde meydana gelen değişimlerin doğru bir şekilde belirlenmesinde önemli bir rol oynadığı için arazinin zamansal değişim karakteristikleri de dikkate alınabilmektedir. Zaman serisi analizinin uzaktan algılama ile birlikte kullanılması, ormansızlaşma, tarım, yangın, yapılaşma ve ayrıca ekosistemde dereceli olarak değişen iklim değişkenliği gibi ciddi ve mutlak karışıklıkların çalışılabilmesine olanak sağlamaktadır. Her değişim tespiti analizinin hassasiyeti gerçek değişimin mevsimsel ölçekteki dalgalanmadan ayrıştırılabilmesine yüksek derecede bağlıdır. BFAST yöntemi MODIS uydu verilerinin zaman serilerine göre geliştirilmiş olup son yıllarda Landsat zaman serisi verileri üzerinde de kullanılarak tutarlı sonuçlar ortaya koymuştur. 40 yıldan fazla arşiv verileri ve 30 m uzamsal çözünürlüğe sahip Landsat verileri, ormanalara ilişkin olguların analizi için verimli bir görüntü arşivi haline gelmektedir. Orta-yüksek çözünürlüklü Landsat uydu serisi, 1972'den beri sürekli olarak Dünya yüzeyinden veri toplayarak, doğal kaynakların ve çevrenin araştırılmasını kolaylaştırmıştır. Landsat verilerinin 8-16 günlük zamansal aralıklarla 30m uzamsal çözünürlükle ücretsiz kullanılabilirliği ve nispeten yüksek mekansal ve yüksek zamansal çözünürlüğünün bir araya getirilmesiyle, Landsat'ın orman örtüsünün ve ilgili değişikliklerinin haritalanması için potansiyelnin yüksek olduğu birçok çalışmada ortaya konmuştur. BFAST, arazi örtüsü ve arazi kullanımı ile ilgili temel değişiklikleri ve değişim modellerini araştırmak için büyük bir imkan sağlamaktadır. Aslında, bu yöntem zaman serilerini yinelemeli olarak trend, mevsimsel ve gürültü veya kalan bileşenlerine ayırır. BFAST, herhangi bir enterpolasyon tekniği gerekmeksizin eksik verilerle başa çıkabilir. BFAST'ın çeşitli spektral bitki örtüsü indeksleri ile kullanılması, farklı bitki örtülü bölgelerde değişikliklerin tespit edilmesi ve ormansızlaşmanın izlenmesinde bir fırsat sağlayabilir. BFAST, tarihsel gözlemlerin regresyon modellemesine dayanarak, ön işlenmiş verilere uygulanarak ve kalan verilerin harmonik modeli ile karşılaştırılacak şekilde dönemin kararlı harmonik modeline göre tahminler üretebilmektedir. Farklı zaman serisi analizlerinde spektral indisleri kullanmak yaygın bir yöntemdir. BFAST algoritmasında by jeofiziksel değişkenler boyutsuz olan ve yer yüzeyindeki değişiklikleri gösteren Normalized Difference Vegetation Index (NDVI), Normalized Difference Moisture Index (NDMI), Normalized Burn Ration (NBR), Soil Adjusted Vegetation Index (SAVI), Modified Soil Adjusted Vegetation Index (MSAVI), Enhanced Vegetation Index (EVI) gibi farklı bitki örtüsü indekslerinin zaman serileri olabilmektedir. Her indisin istatiksel karakteristikleri kullanılarak, uzun periyotlu zaman serisi analizi gerçekleştirilmesi ve bu indisler ile değişikliklerin değerlendirilmesi mümkündür. Bu bakımdan, uygun atmosferik koşullarda zaman serisi uydu görüntüsüne erişebilmek bu yöntemde önemli bir koşuldur. Bulutlar ve bulut gölgeleri, BFAST yönteminin önemli engeli olarak bilinir, çünkü bulut maskeleme, görüntülerdeki belli bir miktar pikselin ortadan kaldırılmasına yol açarak sonucun doğruluğunu doğrudan etkilemektedir. Bu algoritmadaki diğer bir husus, seçilen uydu görüntülerinin zamansal çözünürlüğü ile analiz periyodu boyunca erişilebilen görüntülerin sayısıdır. Dolayısıyla, tarihsel dönemde sorunsuz bir mevsimsellik sağlamak ve sonuç olarak izleme döneminde doğru bir tahminde bulunmak önemli faktörlerden biridir. Bu çalışmanın amacı, Maramara bölgesinde bulunan yaprak döken ve kozalaklı türünde ormanlar üzerinde, Landsat zaman serisi uydu verilerini kullanarak ormansızlaşmayı tespit etmek ve izlemek için R istatistiksel analiz programlama dilinde yazılmış BFAST algoritma seti ile otomatik zaman serisi analizinin fizibilitesini ve verimliliğini değerlendirmektir. Bu amaçla, BFAST algoritma setinin girdileri için dört farklı bitki örtüsü indeksi (NDVI, EVI, NDMI ve NBR) seçilmiştir. BFAST'ın çeşitli mevcut araçları kullanılarak, her bitki örtüsü indeksi için zaman serisi yığını sağlanmıştır. Bir sonraki adımda, her çalışma alanı üzerindeki orman niteliğini kaybetmiş konumların tespiti için belirli referans konumlarda kırılma noktaları ve büyüklükleri hesaplanmıştır. Sonuçların doğruluk değerlendirmesi, çalışma alanlarının büyüklük haritaları üzerinden tabakalı rastgele noktalar toplanarak yapılmıştır. Doğruluk değerlendirmesi, genel doğruluk, kullanıcının doğruluğu, üreticinin doğruluğu ve BIAS gibi iyi bilinen doğruluk değerlendirme ölçütlerine göre gerçekleştirilmiştir. Sonuçlara göre BFAST zaman serisi analiz araçlarının ormansızlaşmanın belirlenmesinde umut verici çıktılar ortaya koyduğu belirlenmiştir. Kısa dalga kızılötesi bantları kullanan bitki örtüsü endeksleri, kırmızı ve yakın kızılötesi bantları kullanan diğer endekslere göre orman bozulmasını tespit etmekte daha hassas olduklarını kanıtlamıştır. Özetlemek gerekirse, BFAST temelli ormansızlaşma analizinde, EVI ve NDVI'a kıyasla NBR ve NDMI daha tutarlı sonuçlar vermiştir. SWIR ve NIR bantlarından faydalanan bitki indeksleri kanopi nemliliğine çok daha fazla duyarlıdır, dolayısıyla, özellikle ormansızlaşma yamalarında olmak üzere daha tutarlı bir ormansızlaşma tespiti sağlamaktadırlar. Diğer yandan, kırmızı ve NIR bantlarının kullanışması ile hesaplanan VI'lar NDMI ve NBR'ye kıyasla biraz daha düşük performans sergilemiştir. Ancak bu çok büyük olmayan bir performans farkıdır. Sonuçlar ışığıda, NDMI ve NBR gibi elektromanyetik spektrumun su absorbe miktarı ile ilişkili olan bitki indislerinin klorofil absorbesi ile ilişkili olan ve kırmızı ve NIR bantları kullanılarak hesaplanan NDVI ve EVI gibi indislere kıyasla orman kanopi değişimine daha duyarlı olduğu bulunmuştur. Buna ek olarak, orta ve negatif büyüklük değerlerinin ormansızlaşma alanını belirlediği ve farklı çalışma alanlarına göre büyük ölçüde değişiklik gösterdiği kanıtlanmıştır. Bu tezde benimsenen yöntem, olası ormansızlaşmayı, en düşük büyüklük sınıfıyla ilişkilendirilmiş bir şekilde elde edilmiş bir harita sunma yöntemi sağlamıştır ve bu teknik harita, arazi örtüsü dinamiklerinin daha iyi anlaşılmasına ve dünyadaki orman kaynaklarının ve biyolojik çeşitliliğinin korunmasına yardımcı olabilecektir.

Özet (Çeviri)

Forest resources for most of the individual countries have been known as significant resources to provide food, water, wood products, minerals, medicines, etc., to support not only the fundamental facilities for human survival but also economic survival. More specifically, it is proved that in recent years the rate of forest loss due to human-induced or natural disasters has been increased globally. In this regard, having a practical and precise method to prohibit or control deforestation would be necessary. Countries such as Turkey, hosts different type of forest ecologies, various kind of animal and plant species due to their favorable climate conditions. Protection of forest ecosystems in these countries should be considered as a priority. The most significant reasons for deforestation in Turkey include urban expansion, human construction, agriculture, and fire. In this regard, finding the efficient and accurate method or algorithm for predicting the probable deforestation from the historical data and producing the probable map to prevent future loss in forest resources is crucial. Changes on the Earth's surface are usually detected by assessing the satellite images as time series, for the same place. There are several criteria to define the suitable sensors for the investigation of different target study areas and different problem definitions. These criteria include spatial, temporal, and spectral resolution of satellite and availability of data. Moreover, apart from satellites' characteristics, phenological characteristic of the land should be considered as it plays prominent role to provide an accurate result of land surface change detection. Time series analysis with combination of remote sensing provides the opportunity to study abrupt changes, due to serious and strict disturbances, such as deforestation, agriculture, fires, and constructions, as well as gradual changes such as climate variability and forest degradation in the ecosystem. The precision of any change detection analysis is highly dependents upon the ability of separation among actual changes and fluctuation in seasonal scale. One of the efficient methods in this context is using the Breaks For Additive Seasonal and Trend (BFAST) set of algorithms, which indicated promising results to detect deforestation areas not only on large scale but on small scale. This method invented according to the time series of Moderate Resolution Imaging Spectrometer (MODIS) satellite data and in recent years indicated accurate results by using Landsat time-series data. Landsat data with more than 40 years of archive data and 30 m spatial resolution becomes an efficient image collection for resolving the entire range of forest disturbances. Medium-to-high resolution Landsat satellite series, since 1972 consistently collecting data from the Earth's surface, facilitated investigation natural resources and the environment. Free availability of Landsat data at 8-16 day intervals at 30m resolution and approximately high temporal resolution with aggregation of comparatively high spatial resolution, proved the effectiveness of Landsat for mapping forest cover and relevant changes. BFAST iteratively decomposes time series into trend, seasonal, and noise or remainder components. It can deal with missing data without any requirement of interpolation techniques. Using BFAST with a variety of spectral vegetation indices can provide an oppurtunity in detecting changes and deforestation monitoring over different vegetated regions. BFAST provides the major opportunity to investigate studies on patterns and key changes related to land cover and land use over the duration of time. This method is based on regression modeling of historic observations, fitted on preprocessed data and predict according to the stable harmonic model of historical period in which the remainder data would be compared with the harmonic model. Among different approaches for time series analysis, using spectral indices is pervasive as a result, in BFAST algorithm, geophysical variables are spectral indices, which are dimension-less and demonstrate changes on the land surface such as Normalize Difference Vegetation Index (NDVI), Normalized Difference Moisture Index (NDMI), Normalized Burn Ratio (NBR), Soil-Adjusted Vegetation Index (SAVI), Modified Soil-Adjusted Vegetation Index (MSAVI), Enhanced Vegetation Index (EVI). With respect to the statistical characteristics of each of these indices there is the possibility to conduct time series analysis for a long period to evaluate changes in these indices. In the concept of time series analysis, having access to the time-series satellite image in perfect atmospheric conditions is vitally important. Clouds and cloud shadows are known as significant obstacle of BFAST method, because cloud masking lead to elimination of several pixels in the images which has a direct impact on the accuracy of the result. Another consern in this algorithm is the numbers of accessible images during the period of study which are related to temporal resolution of selected satellite images. Hence, it is one of the important factors to provide a smooth seasonality during historical period and as a result achieve an accurate prediction during monitoring period. The general objective of this thesis was to evaluate the feasibility and efficiency of automated time series analysis such as BFAST set of algorithms in R statistical analysis programming language for detecting and monitoring deforestation using Landsat time-series satellite data over deciduous and coniferous types of forest in Marmara region of Turkey. For this purpose, four different vegetation indices (NDVI, EVI, NDMI, and NBR) were selected as inputs of BFAST set of algorithms. Using various available set of tools of BFAST, time-series stack for each vegetation index was provided. In the next step breakpoints and magnitudes of them calculated to indicate the detection of deforested spots over each study area. The accuracy assessment of the results was performed by collecting stratified random points over the brekpoints magnitude maps of staudy areas. The evaluation of the accuracy was achieved according to the well-known accuracy assessment metrics such as overall accuracy, user's accuracy, producer's accuracy, and bias. The results demonstrated that BFAST time series analysis tools provided promising results in accurate determination of deforestation. According to results vegetation indices that utilize shortwave infrared bands prove to be more sensitive to detect forest disturbance than the other indices, using red and near-infrared bands. It has been found that the vegetation indices related to water absorption portions of the electromagnetic spectrum such as NDMI and NBR are more sensitive to the changes of forest canopy compared to vegetation indices associated with the chlorophyll absorption, which are calculated with the Red and NIR bands such as NDVI and EVI. In addition, moderate to negative magnitude values proved to be determining the area of deforestation with values, widely varied over different study areas. The method, discussed in this thesis can produce a map to acquire probable deforestation, correlated to the lowest amount of magnitude class to help better understanding of land cover dynamics and protect forest resource and biodiversity around the world.

Benzer Tezler

  1. Tez No

    787786

    Sayısal haritalama teknikleri kullanılarak DNA dizilimleri üzerinden lösemi hastalığının temel türlerinin yapay zeka tabanlı algoritmalar ile sınıflandırılması

    Classification of main types of leukemia disease with artificial intelligence-based algorithms on the DNA sequences using digital mapping techniques

    FATMA AKALIN

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. NEJAT YUMUŞAK

  2. Tez No

    347579

    Major histokompatibilite antijen bölgesini temsil ettiği düşünülen (TAG) single nükleotid polimorfizmlerinin HLA-B27'i tanımlamadaki geçerliliğinin değerlendirilmesi

    Evaluating validity of (TAG) single nucleotide polymorphism,which thougt represents major histocompatibility gene area in defining HLA-B27

    MEHMET NEDİM TAŞ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2013

    RomatolojiDokuz Eylül Üniversitesi

    Dahili Tıp Bilimleri Bölümü

    PROF. DR. SERVET AKAR

  3. Tez No

    863647

    Improvement of face recognition performance through transfer learning: a comprehensive study using identity card biometric photographs and mobile phone selfie images

    Transfer öğrenme yoluyla yüz tanım performanslarının geliştirilmesi: Kimlik kartı biyometrik ve cep telefonu özçekim fotoğrafları ile yapılan kapsamlı bir çalışma

    YÜSRA ALBARAZİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    PROF. DR. KEMAL BIÇAKCI

  4. Tez No

    723965

    Basamak patlatmasında tasarım parametrelerinin patlatma verimliliği ve çevresel etki açısından değerlendirilmesi

    Evaluation of design parameters in bench blasting in terms of blast efficiency and environmental effect

    ÖZGE AKYILDIZ

    Doktora

    Türkçe

    Türkçe

    2022

    Maden Mühendisliği ve Madencilikİstanbul Teknik Üniversitesi

    Maden Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TÜRKER HÜDAVERDİ

  5. Tez No

    832853

    Simulation-based evaluation of blasthole drilling key performance metrics in surface mining

    Açık ocak madenciliğinde patlatma delgileri için anahtar performans göstergelerinin simülasyon tabanlı değerlendirilmesi

    KIVANÇ KAYA

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Maden Mühendisliği ve MadencilikOrta Doğu Teknik Üniversitesi

    Maden Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ONUR GÖLBAŞI

Geri Dön