Arazi kullanımı ve arazi örtüsü sınıflandırmasında sentinel-2 görüntülerinin analizi
Analysis of sentinel-2 images in land use and land cover classification
- Tez No: 732910
- Danışmanlar: DOÇ. DR. ÖZGÜN AKÇAY
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Çanakkale Onsekiz Mart Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Coğrafi Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 43
Özet
Uzaktan algılama ile elde edilen uydu görüntülerinden arazi kullanımı ve arazi örtüsü tespiti için çeşitli makine öğrenmesi yöntemleri uygulanmalıdır. Bu çalışmada, Çanakkale iline ait Sentinel-2 uydu görüntüsünden seçilen bir bölge için B2 B3 B4 B8 bantlarını içeren bir veri seti oluşturulmuştur. Bu veri setine kontrolsüz bir sınıflandırma metodu olan K-Kümeleme algoritması sırasıyla 5, 7 ve 9 küme olarak uygulanarak küme merkezlerine dayalı tahmin modelleri üretilmiştir. Daha sonra ESA SNAP uygulaması ile çeşitli arazi türlerine ait örnek alan vektörleri belirlenerek dört banda ait piksel değerleri üretilerek arazi türlerinin küme numaraları tahmin edilmiştir. Oluşan modelimizi eğitim ve test veri seti olmak üzere ikiye ayrılarak eğitim setimize kontrollü bir sınıflandırma metodu olan K-En Yakın Komşu algoritmasını uygulayarak hata matrisleri ile doğruluk analizleri gerçekleştirilmiştir. Son olarak arazi türlerini daha küçük ve homojen alanlar olarak belirleyerek bu bölgeler de sınıflandırmıştır. Son aşamada uygulanan sınıflandırma ile çeşitli arazi türlerinin dört bantlı değerlendirmede çıkarım kapasitesinin ortaya konulması amaçlanmıştır. Tüm uygulamalar Python programlama dili kütüphanelerine dayalı geliştirilen script programlar ile gerçekleştirilmiştir. Sonuç olarak homojenlik oranları incelenerek kümeleme sonucu ortaya çıkan sınıflandırma ile arazi türlerinin ne ölçüde çalışma bölgesini temsil ettiği istatistiksel olarak belirlenmiştir. Elde edilen sonuçlar küme sayısındaki artışın arazi türlerinde sınıflandırma doğruluğunu olumsuz etkilediğini göstermiştir. Arazi türüne bağlı ve küme sayısına bağlı olarak en yüksek doğruluk %98 iken, en düşük doğruluk %31 olarak tespit edilmiştir.
Özet (Çeviri)
Various machine learning methods should be applied for land use and land cover detection from satellite images obtained by remote sensing. In this study, a data set containing B2 B3 B4 B8 bands was created for a region selected from the Sentinel-2 satellite image of Çanakkale province. Prediction models based on cluster centers were produced by applying the K-Clustering algorithm, which is an uncontrolled classification method, to this data set as 5, 7, and 9 clusters, respectively. Then, with the ESA SNAP application, the sample area vectors of various land types were determined and the pixel values of the four bands were produced and the cluster numbers of the land types were estimated. By dividing our model into two training and test datasets, accuracy analyzes were carried out with confusion matrices by applying the K-Nearest Neighbors algorithm, which is a controlled classification method, to our training set. Finally, new additional land type samples were also determined as smaller and homogeneous areas, then, they were also classified. With the classification applied in the last stage, it is aimed to reveal the inference capacity of various land types in the four-band assessment. All applications were carried out with script programs developed based on Python programming language libraries. As a result, by examining the homogeneity rates, it was determined statistically to what extent the land types represented the study region with the classification that emerged as a result of the clustering. The results showed that the increase in the number of clusters negatively affected the classification accuracy in land types. Depending on the terrain type and the number of clusters, the highest accuracy was 98%, while the lowest accuracy was 31%.
Benzer Tezler
- Uzaktan algılama verileri kullanarak derin öğrenmeye dayalı arazi kullanımı ve arazi örtüsü haritalama modeli geliştirme
Developing a deep learning-based land use and land cover mapping model using remote sensing data
ŞAZİYE ÖZGE ATİK
Doktora
Türkçe
2021
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. CENGİZHAN İPBÜKER
- Investigating olive trees by monitoring phenological stages using multi-modal satellite sensor data
Çok-modlu uydu sensör verileri kullanılarak fenolojik aşamalarının izlenmesiyle zeytin ağaçlarının araştırılması
HAYDAR MUHAMMED AKÇAY
Doktora
İngilizce
2024
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞİNASİ KAYA
- Göktürk 2 uydu verilerinin arazi örtüsü ve kullanımının uzaktan algılama ve makine öğrenmesi yöntemleri ile tespitinin araştırılması
Investigation of land cover and land use of Göktürk 2 satellite data by remote sensing and machine learning methods
BİNNAZ METİN
Yüksek Lisans
Türkçe
2022
Jeodezi ve FotogrametriMersin ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
PROF. DR. MURAT YAKAR
- Bitki desenlerinin belirlenmesinde uzaktan algılamanın kullanılması
Use of remote sensing in determining plant patterns
NURSAÇ SERDA KAYA
Yüksek Lisans
Türkçe
2019
ZiraatAnkara ÜniversitesiToprak Bilimi ve Bitki Besleme Ana Bilim Dalı
PROF. DR. İLHAMİ BAYRAMİN
- Uzaktan algılanmış görüntülerde mask R-CNN kullanımı
Using mask R-CNN in remote sensing images
BETÜL SARALIOĞLU
Yüksek Lisans
Türkçe
2022
Jeodezi ve FotogrametriKaradeniz Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. OĞUZ GÜNGÖR