Bitki örtüsü alanlarında mevsimsel etkilerin sentinel-1 SAR ve sentinel-2 optik uydu görüntüleri ile izlenmesi
Monitoring seasonal effects in vegetation areas with sentinel-1 SAR and sentinel-2 optic satellite images
- Tez No: 739590
- Danışmanlar: PROF. DR. FUSUN BALIK ŞANLI
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Harita Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Bilim Dalı
- Sayfa Sayısı: 70
Özet
Dünyadaki son yılların en büyük tehlikesi, iklim değişikliklerine sebep olan küresel ısınmadır. Küresel ısınmanın yarattığı sonuçlardan birçok doğal kaynak etkilenmektedir. Doğal kaynakların doğru analizi ve zamansal olarak izlenmesi için arazi örtüsü haritalaması için sınıflandırma büyük önem taşımaktadır. Bu çalışmada, bir sene içinde eşit aralıklarla farklı mevsimlerde elde edilen Sentetik Açıklıklı Radar (SAR) ve Optik uydu görüntüleri kullanılarak sınıflandırma işlemi gerçekleştirilmiştir. Sınıflandırma işlemi için optik ve SAR verilerinin birleştirilmesinin yanı sıra, yalnızca optik ve SAR görüntüleri de ayrı olarak sınıflandırma işlemine tabi tutulmuştur. Böylelikle SAR ve optik görüntülerinin birleştirilmesinin sınıflandırma doğruluğuna olan etkisi incelenmiştir. Ayrıca bir bitki indeksi olan Normalize Edilmiş Fark Bitki Örtüsü İndeksi (NDVI, Normalised Difference Vegetation Index) görüntü verilerine eklenmiş olup bitki örtüsünün yoğun bulunduğu bölge için mevsimsel değişimlere bağlı olarak doğruluğa olan etkisi incelenmiştir. Sınıflandırma için nesne tabanlı yaklaşım kullanılmış olup, üç farklı sınıflandırma algoritması kullanılmıştır. Bunlar Destek Vektör Makineleri (DVM), Rastgele Orman Algoritması (RO) ve K-En Yakın Komşuluk (EYK) algoritmasıdır. Son olarak sınıflandırma için kullanılan eğitim örnekleri sayısı arttırılmış ve doğruluğa olan etkisi çalışmada ortaya konulmuştur. En düşük genel sınıflandırma doğruluğu, yalnızca SAR görüntüleri kullanılarak yapılan sınıflandırma ile %40.46 olarak elde edilmiştir. En yüksek sınıflandırma doğruluğu ise, SAR ve optik uydu görüntülerinin birleştirilmesi ile elde edilen görüntünün sınıflandırılması sonucu %95.90 olarak bulunmuştur. Ayrıca yapılan sınıflandırmaları doğrulamak için yeni bir test alanında sınıflandırmalar yapılmıştır. Bulunan test sonuçları, ana sınıflandırma sonuçları ile tutarlı olmuştur. Yapılan çalışmada arazi örtüsündeki zamansal değişime bağlı sınıflandırma doğruluğunun kullanılan girdi verileri ile ilişkisi de incelenmiştir. Böylelikle, korunması gereken doğal kaynakların mevsimsel etkileri dikkate alarak yüksek doğruluk ile izlenmesi için ihtiyaç duyulan veri kaynakları ve makine öğrenmesi yöntemleri ortaya konulmuştur.
Özet (Çeviri)
The greatest danger of recent years in the world is global warming that causes climate change. Many natural resources are affected by the consequences of global warming. Classification for land cover mapping is of great importance for accurate analysis and temporal monitoring of natural resources. In this study, the classification process was carried out using four Synthetic Aperture Radar (SAR) and optical satellite images obtained in different seasons at equal intervals within a year. In addition to combining optical and SAR data for classification, single optical and SAR images have been classified separately. Thus, the effect of combining SAR and optical images on classification accuracy was examined. Moreover, the Normalized Difference Vegetation Index (NDVI), which is a plant index, was added to the image data and the seasonal effect on accuracy was examined for the region with dense vegetation. In classification, three different object-oriented classification algorithms Support Vector Machines (SVM), Random Forest Algorithm (RF), and K-Nearest Neighbors algorithm (kNN) were used. Finally, the number of training examples used for classification was increased and its effect on accuracy was revealed in the study. The lowest overall classification accuracy was found to be 40.46% with classification using single SAR images while the highest classification accuracy was found to be 95.90% as a result of the classification of the image obtained by combined SAR and optical satellite images. In this study, the relationship between the classification accuracy due to the temporal change in the land cover and the input data usage was also examined. Furthermore, an additional testing area was considered to validate the method and consistent results were obtained in that area as well. As a result, high accurate monitoring of the natural resources has been discussed taking into account to the data sources, machine learning methods and the seasonal effects.
Benzer Tezler
- Ordu ekolojik koşullarında bazı kuru fasulye (Phaseolus vulgaris L.) çeşit ve genotiplerinin verim, verim öğeleri ile tohum ve teknolojik özelliklerinin belirlenmesi
Determination of yield and components with seed and technological characteristics of some dry beans (Phaseolus vulgaris L.) varieties and genotypes on in ecological conditions of Ordu
YAŞAR ÖZBEKMEZ
- Fındık zurufu kompostunun toprak kalitesi üzerine etkisi
The effect of adding of hazelnut husk compost on soil quality
SELAHATTİN AYGÜN
Yüksek Lisans
Türkçe
2015
ZiraatOrdu ÜniversitesiToprak Bilimi ve Bitki Besleme Ana Bilim Dalı
PROF. DR. TAYFUN AŞKIN
- Fikir ve Sanat Eserleri Hukuku açısından imar planları ve plan müellifinin hakları
The rights of zoning plans and plan owner in terms of law on intellectual and artistic works
ELİF CANBOLAT
Yüksek Lisans
Türkçe
2014
HukukKırıkkale ÜniversitesiÖzel Hukuk Ana Bilim Dalı
PROF. DR. MEHMET EMİN BİLGE
- Samsun ili buğday üretim alanlarında enfeksiyon oluşturan bakteriyel etmenlerin belirlenmesi
Determination of bacterial agents in wheat production areas in samsun province
ARMAĞAN ÖZ
Yüksek Lisans
Türkçe
2014
ZiraatOndokuz Mayıs ÜniversitesiBitki Koruma Ana Bilim Dalı
DOÇ. DR. HASAN MURAT AKSOY
- Maki eşbütünleşme testi ile portföy çeşitlendirmesi analizi: Türkiye ve OECD ülkeleri karşılaştırması
The portfolio diversification analysis with Maki cointegration test: A comparison of Turkey and OECD countries
AYŞE GÜL ÖZERALP ZEREN