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
- Landsat uydu görüntülerinden kentsel ısı adalarının belirlenmesi: Batı Akdeniz Bölgesi Örneği
Detection of urban heat islands from landsat imageries: A case study of West Mediterranean Region
NAGİHAN ASLAN
Yüksek Lisans
Türkçe
2016
Astronomi ve Uzay BilimleriAkdeniz ÜniversitesiUzay Bilimleri ve Teknolojisi Ana Bilim Dalı
DOÇ. DR. DİLEK KOÇ SAN
- Meltem rüzgarlarının Türkiye'nin batı kıyılarına olan etkisinin araştırılması, modellenmesi ve enerji potansiyeline etkisinin incelenmesi
Investigation and modeling of sea breeze on Turkey's west coast and evaluation of the effect of potential energy
GİZEM BUĞDAY
Yüksek Lisans
Türkçe
2019
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. ŞÜKRAN SİBEL MENTEŞ
- Kentsel alanlarda oluşan ısı adası etkisinin kentsel tasarım yöntemleri ile azaltılması:aksaray meydanı örneği
Reducing the urban heat island effect by urban design strategies: aksaray square case
BÜŞRA EKİNCİ
Yüksek Lisans
Türkçe
2016
Mimarlıkİstanbul Teknik ÜniversitesiKentsel Tasarım Ana Bilim Dalı
DOÇ. DR. TURGAY KEREM KORAMAZ
- The spatio-temporal dynamics of aerosols in the Marmara region and impact of land cover/use on atmospheric environment
Marmara bölgesindeki aerosollerin mekansal-zamansal dinamiksel ve arazi örtüsü/kullaniminın atmosferik ortam üzerindeki̇ etkisi
PARIA ETTEHADI OSGOUEI
Doktora
İngilizce
2023
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ŞİNASİ KAYA
- Monitoring temporal dynamics of drought phenomenon using remote sensing satellite imagery in Erbil-Iraq-plain districts
Erbil(Irak) bölgesinde uzaktan algılama ve uydu görüntülerini kullanarak kuraklığın zamansal dimaniğinin takibi
DABAN KADHIM OMAR DABBAGH
Doktora
İngilizce
2021
CoğrafyaHarran ÜniversitesiToprak Bilimi ve Bitki Besleme Ana Bilim Dalı
PROF. DR. ALİ VOLKAN BİLGİLİ